怎么在Python中对时序数据进行重采样与高频降频转换?

秋磊小哥_4418

秋磊小哥_4418

2026-11-18

522人浏览

原创

重采样必须用 resample(),它是专为时间索引设计的唯一正确入口,自动处理频率对齐、区间开闭和标签位置;groupby(pd.Grouper())逻辑不同,asfreq()不聚合;索引须为排序后的DatetimeIndex;聚合需链式调用如.mean(),how参数已弃用。

怎么在python中对时序数据进行重采样与高频降频转换?

重采样必须用 resample(),不是 groupby() 或 asfreq()

直接调用 resample() 是唯一正确入口,它专为时间索引设计,会自动处理频率对齐、闭区间/开区间、标签位置等细节。用 groupby(pd.Grouper(freq=...)) 虽然能凑合,但默认分组逻辑和 resample() 不一致;asfreq() 只是简单取值(如前向填充或截断),不聚合,不能算“降频转换”。

前提条件:DataFrame 或 Series 的索引必须是 DatetimeIndex,且已排序。否则会报 ValueError: Only valid with DatetimeIndex, TimedeltaIndex or PeriodIndex 或结果错乱。

  • 检查索引类型:df.index.dtype 应为 datetime64[ns]
  • 强制转索引:df = df.set_index('time_col').sort_index()
  • 避免常见错误:传入字符串频率但没设索引,比如 df.resample('1H') 却忘了 set_index()

resample() 的 how 参数已弃用,聚合必须显式调用方法

旧写法 df.resample('1D', how='mean') 在 pandas ≥ 1.0 中会报 FutureWarning 并失效。现在必须链式调用聚合方法,例如 .mean()、.sum()、.first() 等。

高频降频本质是「按新频率分桶 + 桶内聚合」,不同业务场景选不同聚合逻辑:

  • 传感器均值:用 .mean(),但注意缺失值——默认跳过 NaN,若需保留全空桶,加 min_count=1
  • 交易量累计:用 .sum(),注意 sum() 对空桶返回 0,而 mean() 返回 NaN
  • 保留原始快照:用 .first() 或 .last(),适合状态类数据(如设备开关状态)
  • 自定义逻辑:用 .apply(lambda x: ...),但性能较差,别在大宽表上滥用

频率字符串和 offset 参数决定对齐方式,影响结果边界

写 '1H' 和 'H' 效果一样,但写 '2H' 就不能简写。关键在于:降频后的每一段起始时间由 origin 和 offset 控制,默认以 Unix epoch(1970-01-01)对齐,常导致首段不从你期望的时间点开始。

Camoufox Open Source Anti-Detect Browser for Python Automation
Camoufox Open Source Anti-Detect Browser for Python Automation

Camoufox 是一个基于 Firefox 构建的开源反检测浏览器,为 Python 自动化工作流程提供强大的指纹注入和反机器人检测规避功能。它与 Playwright 集成,以提供能够绕过现代机器人检测系统的隐身浏览能力。

下载

例如原始数据从 2023-01-01 00:15 开始,用 df.resample('1H').mean(),第一桶是 2023-01-01 00:00–00:59,但该时段无数据,结果为 NaN;你真正想要的是从 00:15 往后切每小时一桶。

  • 解决办法:加 origin='start',让第一个桶从数据首个时间戳开始
  • 更精确控制:用 offset,如 resample('1H', offset='15T') 表示每小时桶向后偏移15分钟
  • 注意兼容性:origin 在 pandas shift() 索引再重采样

降频后缺失时间点要不要补?fill_method 已淘汰,改用 asfreq() 或 reindex()

resample() 本身不插值也不补全——它只聚合已有数据。如果你需要连续时间轴(比如画图要求每小时一个点),得额外处理。

别再用已删除的 fill_method='pad' 参数。正确做法分两步:

  • 先重采样:downsampled = df.resample('1H').mean()
  • 再补全空桶:downsampled.asfreq('1H', method='ffill')(前向填充)或 downsampled.reindex(pd.date_range(...), method='nearest')
  • 警惕陷阱:asfreq() 默认填 NaN,加 method 才有填充行为;而 reindex() 若未指定 method 或 fill_value,也会全填 NaN

高频转低频看着简单,但时间对齐、空桶处理、聚合语义这三处最容易出错,尤其当数据带有时区或跨日界时,建议先用小段数据验证时间边界是否符合业务预期。

Python免费学习笔记(深入):立即使用
在学习笔记中,你将探索 Python 的核心概念和高级技巧!

相关文章

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

python

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

2023.07.20

1951

4

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

2023.07.25

5524

7

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

2023.07.31

1889

3

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

2023.08.03

33757

23

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

3967

5

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

3967

5

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

1283

5

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.10

636

4

python是前端还是后端
python是前端还是后端

Python属于前端也属于后端,其灵活性和丰富的生态系统使得开发人员能够在不同的领域中灵活运用。本专题为大家提供python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

3083

5

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程