11.6 重新采样和频率转换
11.6.2 向上采样和插值
1.向上采样：从低频率转换到高频率，不需要聚合
示例：带有每周数据的DataFrame（见图11-1）
当对这些数据使用聚合函数时，每一组只有一个值，并且会在间隙中产生缺失值。我们使用asfreq方法在不聚合的情况下转换到高频率。
图11-1：asfreq方法2.fillna和reindex方法中可用的填充或插值方法可用于重采样（见图11-2）
图11-2：填充注：新的日期索引根本不需要与旧的索引重叠（见图11-3）
图11-3：新的日期索引
11.6.3 使用区间进行重新采样
1.以区间为索引的数据进行采样与时间戳的情况类似，向下采样（如图11-4）
图11-4：以区间为索引的数据进行采样
2.向上采样
向上采样更为细致，必须在重新采样前决定新频率中在时间段的哪一端放置数值，就像asfreq方法一样。convention参数默认值是’start'，但也可以是'end'。（见图11-5）
图11-5：向上采样
3.由于区间涉及时间范围，向上采样和向下采样就更为严格：
· 在向下采样中，目标频率必须是原频率的子区间。
· 在向上采样中，目标频率必须是原频率的父区间。
如果不满足这些规则，将会引起异常。这主要会影响每季度、每年和每周的频率。例如，根据Q-MAR定义的时间范围将只和A-MAR、A-JUN、A-SEP和A-DEC保持一致（见图11-6）
图11-6：Q-MAR定义的时间范围
标签：采样,11,Python,11.6,索引,频率,见图 来源： https://blog.csdn.net/weixin_34146805/article/details/87231602
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。