asfreq和resample之间的区别

Question

能否请您解释一下asfreq和resample方法在熊猫中的区别？什么时候应该使用什么？

Answer 1

让我用一个例子来说明：

# generate a series of 365 days
# index = 20190101, 20190102, ... 20191231
# values = [0,1,...364]
ts = pd.Series(range(365), index = pd.date_range(start='20190101', 
                                                end='20191231',
                                                freq = 'D'))
ts.head()

output:
2019-01-01    0
2019-01-02    1
2019-01-03    2
2019-01-04    3
2019-01-05    4
Freq: D, dtype: int64

现在，按季度重新采样数据：

ts.asfreq(freq='Q')

output:
2019-03-31     89
2019-06-30    180
2019-09-30    272
2019-12-31    364
Freq: Q-DEC, dtype: int64

将asfreq()返回一个Series与每个季度在它的最后一天对象。

ts.resample('Q')

output:
DatetimeIndexResampler [freq=<QuarterEnd: startingMonth=12>, axis=0, closed=right, label=right, convention=start, base=0]

重新采样返回a DatetimeIndexResampler，您将看不到实际内容。将其视为groupby方法。它创建一个bins（组）列表：

bins = ts.resample('Q')
bin.groups

output:
 {Timestamp('2019-03-31 00:00:00', freq='Q-DEC'): 90,
 Timestamp('2019-06-30 00:00:00', freq='Q-DEC'): 181,
 Timestamp('2019-09-30 00:00:00', freq='Q-DEC'): 273,
 Timestamp('2019-12-31 00:00:00', freq='Q-DEC'): 365}

到目前为止，除了返回类型外，没有什么不同。让我们计算每个季度的平均值：

# (89+180+272+364)/4 = 226.25
ts.asfreq(freq='Q').mean()

output:
226.25

当mean()施加时，它输出平均的所有值。请注意，这不是每个季度的平均值，而是每个季度最后一天的平均值。

要计算每个季度的平均值：

ts.resample('Q').mean()

output:
2019-03-31     44.5
2019-06-30    135.0
2019-09-30    226.5
2019-12-31    318.5

您可以执行功能更强的操作resample()比asfreq()。

想想resample为groupby+每一个方法，你可以调用后groupby（例如，平均值，总和，应用，你的名字）。

可以将其asfreq视为fillna()功能有限的过滤器机制（在fillna（）中，您可以指定limit，但asfreq（）不支持它）。