时间戳

首页 > 解决方案 > Pandas 将每月数据重新采样为自定义频率（季节性）数据

python - Pandas 将每月数据重新采样为自定义频率（季节性）数据

问题描述

背景

我有一个月度数据集，并希望通过添加月度数据将其重新采样为季节性数据。

Seasonal refers to:
(Dec,Jan,Feb), (Mar,Apr,May),(June,July,Aug,Sep),(Oct,Nov)

数据

dti = pd.date_range("2015-12-31", periods=11, freq="M")
df = pd.DataFrame({'time':dti,
                  'data':np.random.rand(len(dti))})

Output:
        time    data
0   2015-12-31  0.466245
1   2016-01-31  0.959309
2   2016-02-29  0.445139
3   2016-03-31  0.575556
4   2016-04-30  0.303020
5   2016-05-31  0.591516
6   2016-06-30  0.001410
7   2016-07-31  0.338360
8   2016-08-31  0.540705
9   2016-09-30  0.115278
10  2016-10-31  0.950359

代码

因此，除了 12 月、1 月、2 月 (DJF) 之外，我能够对其他季节进行重新采样。这是我为其他季节所做的：

MAM = df.loc[df['time'].dt.month.between(3,5)].resample('Y',on='time').sum()

因为，我不能使用 DJF between，所以我使用了条件语句。

mask = (df['time'].dt.month>11) | (df['time'].dt.month<=2)
DJF = df.loc[mask].resample('3M',origin='start',on='time').sum()

问题

即使我使用了origin = 'start'. 所以，我的问题基本上是：

  1. 如何解决我的重采样问题？
  2. 我觉得必须有一种更直接、更简单的方法来做到这一点，而不是条件语句。另外，是否有任何类似于使用df['time'].month.between但用于索引的东西。我尝试使用df.index.month.between但在 int64 日期时间对象之间不起作用。我发现重复使用df.set_index并且df.reset_index很烦人。

标签： pythonpandaspandas-resample

解决方案

尝试将每个月的值映射到季节值，然后groupby resample在每个季节：

df['season'] = df['time'].dt.month.map({
    12: 0, 1: 0, 2: 0,
    3: 1, 4: 1, 5: 1,
    6: 2, 7: 2, 8: 2, 9: 2,
    10: 3, 11: 3
})

df = df.groupby('season').resample('Y', on='time')['data'].sum().reset_index()

df：

   season       time      data
0       0 2015-12-31  0.221993
1       0 2016-12-31  1.077451
2       1 2016-12-31  2.018766
3       2 2016-12-31  1.768848
4       3 2016-12-31  0.080741

要将上一个 12 月视为下一年的一部分，从 2015 年 12 月到 2016 年 1 月添加MonthBegin抵消pandas.tseries.offsets，然后将所有季节值向前调整一个月：

df['time'] = df['time'] + MonthBegin(1)
df['season'] = df['time'].dt.month.map({
    1: 0, 2: 0, 3: 0,
    4: 1, 5: 1, 6: 1,
    7: 2, 8: 2, 9: 2, 10: 2,
    11: 3, 12: 3
})

df = df.groupby('season').resample('Y', on='time')['data'].sum().reset_index()

df：

   season       time      data
0       0 2016-12-31  1.299445
1       1 2016-12-31  2.018766
2       2 2016-12-31  1.768848
3       3 2016-12-31  0.080741

使用的样本数据：

np.random.seed(5)
dti = pd.date_range("2015-12-31", periods=11, freq="M")
df = pd.DataFrame({'time': dti,
                   'data': np.random.rand(len(dti))})

df：

         time      data
0  2015-12-31  0.221993
1  2016-01-31  0.870732
2  2016-02-29  0.206719
3  2016-03-31  0.918611
4  2016-04-30  0.488411
5  2016-05-31  0.611744
6  2016-06-30  0.765908
7  2016-07-31  0.518418
8  2016-08-31  0.296801
9  2016-09-30  0.187721
10 2016-10-31  0.080741

推荐阅读