时间戳

首页 > 解决方案 > 将数据帧重新采样为具有任意期末月份的 n 个月期间

python - 将数据帧重新采样为具有任意期末月份的 n 个月期间

问题描述

我想将resample()我的日常数据分成六个月的数据块。但是，我希望六个月大块的结束是四月和十月的结束。如果我使用df.resample('6M').sum()（或df.groupby(pd.Grouper(freq='6M').sum()），则前六个月块的结束是数据中第一个月的结束。我知道锚定偏移量，但我不知道如何创建自定义锚定偏移量（例如，'6M-APR'不起作用）。

这是一些示例代码：

import pandas as pd
import numpy as np
np.random.seed(42)
df = pd.DataFrame(
    data={'logret': np.random.randn(1000)},
    index=pd.date_range(start='2001-05-25', periods=1000, freq='B')
)
df.resample('6M').sum()

产生以下输出：

    logret
2001-05-31  2.2950148716254297
2001-11-30  -12.536360930670858
2002-05-31  5.468848462868161
2002-11-30  13.027927629740189
2003-05-31  -10.37282118563155
2003-11-30  -0.156275418330286
2004-05-31  -3.0768727498370905
2004-11-30  28.328856464071546
2005-05-31  -3.6462613215100546

我还没有实现我的目标（在 4 月和 10 月结束的为期六个月的重采样），其中start,offset和.loffset.resample()

我已经通过下面的 hack 实现了我的目标。但是，它丢失了日期索引，我想要一种更强大/可重复的方法。

def sixmonth(d, b=4):
    y, m, h = d.year, d.month, 1
    if (m > (b + 6)): y += 1
    elif (m > b): h += 1

    return y + h/10

df.groupby(sixmonth).sum()

这会产生以下没有日期的输出：

    logret
2001.2  -10.300839024148
2002.1  9.321994034984547
2002.2  8.855517878860585
2003.1  -2.4576797445001493
2003.2  -7.002919570231796
2004.1  -9.36895555474087
2004.2  27.13038641177464
2005.1  3.154551390326532

当然，我可以改进这个技巧。但是，对于在任意月份结束的 n 周期重采样，是否有更好/稳健/可重复的解决方案？

标签： pythonpandastime-seriespandas-groupbypandas-resample

解决方案

另一种解决方法，保留日期时间索引：

def custom_6M(df, month=4):
    df = df.resample("M").sum()
    df = df.rolling(6).sum()
    return df[df.index.month.isin([month,month+6])]

>>> custom_6M(df)
               logret
2001-10-31 -10.300839
2002-04-30   9.321994
2002-10-31   8.855518
2003-04-30  -2.457680
2003-10-31  -7.002920
2004-04-30  -9.368956
2004-10-31  27.130386

推荐阅读