Python案例如何用Pandas做数据分组重采样率

wen python案例 2026-07-14 220

本文目录导读：

基本设置和示例数据
设置时间索引
基本降采样（高频→低频）
分组重采样（核心功能）
实际应用案例
高级重采样技巧
性能优化技巧
完整示例：数据分析工作流
常见重采样频率代码

我来为你详细讲解如何使用Pandas进行数据分组重采样,重采样通常用于时间序列数据，包括降采样（高频→低频）和升采样（低频→高频）。

基本设置和示例数据

import pandas as pd
import numpy as np
from datetime import datetime
# 创建示例时间序列数据
dates = pd.date_range('2023-01-01', periods=100, freq='H')
data = pd.DataFrame({
    'date': dates,
    'value': np.random.randn(100),
    'category': np.random.choice(['A', 'B', 'C'], 100)
})
print(data.head())

设置时间索引

重采样需要时间戳索引：

# 将日期列设置为索引
data.set_index('date', inplace=True)
print(data.index)

基本降采样（高频→低频）

1 按小时重采样为按天

# 每日均值
daily_mean = data['value'].resample('D').mean()
print(daily_mean.head())
# 每日求和
daily_sum = data['value'].resample('D').sum()
print(daily_sum.head())

2 多种聚合操作

# 同时进行多种聚合
daily_stats = data['value'].resample('D').agg(['mean', 'std', 'min', 'max', 'count'])
print(daily_stats.head())

分组重采样（核心功能）

1 按类别分组后重采样

# 方法1：先分组，再重采样
grouped_resampled = data.groupby('category').resample('D')['value'].mean()
print(grouped_resampled.head(10))
# 方法2：使用reset_index()使结果更清晰
grouped_resampled_clean = data.groupby('category').resample('D')['value'].mean().reset_index()
print(grouped_resampled_clean.head(10))

2 多列分组重采样

# 多列分组并重采样
multi_group = data.groupby(['category', data.index.month]).resample('W')['value'].agg(['mean', 'count'])
print(multi_group.head(10))

实际应用案例

1 销售数据分析

# 创建销售数据
sales_data = pd.DataFrame({
    'date': pd.date_range('2023-01-01', periods=1000, freq='H'),
    'store': np.random.choice(['Store_A', 'Store_B', 'Store_C'], 1000),
    'product': np.random.choice(['Product_1', 'Product_2', 'Product_3'], 1000),
    'sales': np.random.randint(1, 100, 1000),
    'revenue': np.random.uniform(10, 1000, 1000)
})
sales_data.set_index('date', inplace=True)
# 按店铺和产品分组，按天重采样求和
daily_sales = sales_data.groupby(['store', 'product']).resample('D')['sales', 'revenue'].sum()
print(daily_sales.head(10))

2 股票数据分析

# 创建股票数据
stock_data = pd.DataFrame({
    'date': pd.date_range('2023-01-01', periods=5000, freq='5min'),
    'stock': np.random.choice(['AAPL', 'GOOGL', 'MSFT'], 5000),
    'price': np.random.uniform(100, 200, 5000),
    'volume': np.random.randint(1000, 10000, 5000)
})
stock_data.set_index('date', inplace=True)
# 按股票分组，按天重采样计算OHLC
def ohlc_resample(group):
    return group.resample('D').agg({
        'price': ['first', 'max', 'min', 'last'],
        'volume': 'sum'
    })
daily_ohlc = stock_data.groupby('stock').apply(ohlc_resample)
print(daily_ohlc.head(10))

高级重采样技巧

1 自定义重采样函数

def custom_resample(x):
    """自定义重采样函数"""
    return {
        'mean': x.mean(),
        'median': x.median(),
        'range': x.max() - x.min(),
        'volatility': x.std() / x.mean() if x.mean() != 0 else 0
    }
# 应用自定义函数
custom_stats = data.groupby('category').resample('W').apply(
    lambda x: pd.Series(custom_resample(x['value']))
)
print(custom_stats.head(10))

2 填充缺失值（升采样）

# 创建有缺失的时间序列
dates_with_gaps = pd.date_range('2023-01-01', periods=10, freq='D')
gap_data = pd.DataFrame({
    'date': dates_with_gaps,
    'value': [1, 2, np.nan, 4, np.nan, 6, 7, np.nan, 9, 10],
    'category': ['A', 'B'] * 5
})
gap_data.set_index('date', inplace=True)
# 升采样并填充
upsampled = gap_data.groupby('category').resample('12H').asfreq()
upsampled_filled = upsampled.groupby('category').fillna(method='ffill')
print(upsampled_filled.head(10))

3 不同频率的重采样

# 多种重采样频率
frequencies = {
    'hourly': 'H',
    'daily': 'D',
    'weekly': 'W',
    'monthly': 'M',
    'quarterly': 'Q'
}
for name, freq in frequencies.items():
    result = data.groupby('category').resample(freq)['value'].mean()
    print(f"{name} stats:\n", result.head())
    print("-" * 40)

性能优化技巧

# 大数据集性能优化
def optimized_groupby_resample(df, group_col, time_col, value_col, freq):
    """优化的分组重采样函数"""
    # 设置时间索引
    df = df.set_index(time_col)
    # 使用transform避免重复计算
    grouped = df.groupby(group_col)
    # 并行处理（大文件使用）
    results = []
    for name, group in grouped:
        resampled = group[value_col].resample(freq).mean()
        resampled.name = name
        results.append(resampled)
    return pd.concat(results, keys=[g for g in df[group_col].unique()])
# 使用示例
result = optimized_groupby_resample(
    data, 
    group_col='category',
    time_col='date',
    value_col='value',
    freq='D'
)
print(result.head())

完整示例：数据分析工作流

# 完整的分析工作流
def complete_analysis(df, time_col, group_cols, value_cols, resample_freq):
    """
    完整的分组重采样分析
    参数:
    - df: DataFrame
    - time_col: 时间列名
    - group_cols: 分组列名列表
    - value_cols: 值列名列表
    - resample_freq: 重采样频率
    """
    # 1. 数据准备
    df = df.copy()
    df[time_col] = pd.to_datetime(df[time_col])
    df.set_index(time_col, inplace=True)
    # 2. 按组重采样
    results = {}
    for group_col in group_cols:
        resampled_data = df.groupby(group_col).resample(resample_freq)[value_cols].agg([
            'mean', 'std', 'sum', 'count'
        ])
        results[group_col] = resampled_data
    # 3. 统计分析
    stats = {}
    for group_col, data in results.items():
        stats[group_col] = {
            'total_observations': data['count'].sum().sum(),
            'mean_values': data['mean'].mean(),
            'std_values': data['std'].mean()
        }
    return results, stats
# 应用分析
results, stats = complete_analysis(
    data,
    time_col='date',
    group_cols=['category'],
    value_cols=['value'],
    resample_freq='W'
)
# 显示结果
for group, stat in stats.items():
    print(f"\nGroup: {group}")
    for key, value in stat.items():
        print(f"{key}: {value:.2f}")
print("\n重采样数据样例:")
print(results['category'].head())

常见重采样频率代码

# 常用频率代码
freq_codes = {
    '秒': 'S',
    '分钟': 'T',  # 或 'min'
    '小时': 'H',
    '天': 'D',
    '周': 'W',
    '月': 'M',
    '季度': 'Q',
    '年': 'Y',
    '工作日': 'B',
    '月初': 'MS',
    '季度初': 'QS'
}
# 偏移量示例
offset_examples = {
    '每2小时': '2H',
    '每3天': '3D',
    '每两周': '2W',
    '每半年': '6M'
}

这些示例涵盖了大多数常见的分组重采样场景,根据你的具体需求选择合适的重采样频率和聚合函数即可。

本文地址： https://www.bmjup.com/post/20612.html