zzong2019 发表于 2022-5-14 13:07:30

关于pandas时间序列处理采用pd.grouper和resample方法的区别

本帖最后由 zzong2019 于 2022-5-14 13:13 编辑

想请教一下各位大佬，在处理时间序列的pandas数组时，使用某一列groupby之后使用resample进行重新采样和在groupby的时候就传入一个pd.Grouper的时间序列分组对象有什么区别啊？我自己写了一个时间序列数组进行处理，得到的结果是一样的，不知道是不是我选取的数据问题导致的，另外我还有一个疑惑是，为什么三个分组重新采样之后的起始时间都是从00:00开始的？从原数组看，L组是从00:01开始的，S组是从00:02开始的，重新采样后这两个分组的起始时间不应该是从00:01和00:02开始按照5分钟的时间间隔来嘛？我写的代码及运行结果如下：

df_1=pd.DataFrame({'time':pd.date_range('2022-01-01 00:00',freq='1min',periods=30),
                   'A':np.random.randint(100,1000,30),'B':np.random.rand(30),
                   'C':['M','L','S','S','M','L']*5})
result_1=df_1.set_index('time').groupby(['C',pd.Grouper(freq='5min')]).sum()
result_2=df_1.set_index('time').groupby('C').resample('5min').sum()
print(result_1,result_2)

得到的结果都是这样的：
                        A         B
C time                              
L 2022-01-01 00:00:00   2360.202176
2022-01-01 00:05:0011841.328103
2022-01-01 00:10:00   7031.010066
2022-01-01 00:15:0010041.115495
2022-01-01 00:20:00   4980.349928
2022-01-01 00:25:00   7841.262257
M 2022-01-01 00:00:0011171.669133
2022-01-01 00:05:00   8750.273612
2022-01-01 00:10:00   8601.496207
2022-01-01 00:15:0017080.860562
2022-01-01 00:20:0010500.923251
2022-01-01 00:25:00   9400.551376
S 2022-01-01 00:00:0011020.928198
2022-01-01 00:05:00   8600.485311
2022-01-01 00:10:00   9260.149404
2022-01-01 00:15:00   8950.006380
2022-01-01 00:20:0014851.612683
2022-01-01 00:25:0012550.663898   

阿奇_o 发表于 2022-5-14 17:20:53

没区别，效果一样。
pd.Grouper 是"通用的分组方法"，其中包括可以处理时间序列对象（用freq参数）。
resample 只是针对时间序列对象，resample是 "Convenience method for frequency conversion and resampling of time series. "

zzong2019 发表于 2022-5-14 18:41:10

阿奇_o 发表于 2022-5-14 17:20
没区别，效果一样。
pd.Grouper 是"通用的分组方法"，其中包括可以处理时间序列对象（用freq参数）。
r ...

感谢你的解答，然后还想追问一下，为什么三个分组重新采样之后的起始时间都是从00:00开始的？从原数组看，L组是从00:01开始的，S组是从00:02开始的，重新采样后这两个分组的起始时间不应该是从00:01和00:02开始按照5分钟的时间间隔来嘛？这个问题还能再帮我回答一下嘛？

阿奇_o 发表于 2022-5-14 19:41:08

先

本帖最后由 阿奇_o 于 2022-5-14 19:42 编辑

zzong2019 发表于 2022-5-14 18:41
感谢你的解答，然后还想追问一下，为什么三个分组重新采样之后的起始时间都是从00:00开始的？从原数组看 ...

嗯，你可以简单地这样理解、关键：
不管是 00:01分，还是00:02 这两个时刻的 都是属于 00:01~00:05 这个时间段（组）。

所以， L或S 怎么从 00:00开始？——它的意思不是"从00:00开始"，而是代表：[00:00-00:05)这个时间段，这一个组。

也就是它不是先按各组里的最小时间，而是先按整个时间序列来分组，再判断各条数据/时间，属于哪一个组。

zzong2019 发表于 2022-5-14 20:05:03

阿奇_o 发表于 2022-5-14 19:41
嗯，你可以简单地这样理解、关键：
不管是 00:01分，还是00:02 这两个时刻的 都是属于 00:01~00:05 这 ...

好的，理解你的意思了，相当于是按整个时间序列来分组的，谢谢啦~
页: [1]
查看完整版本: 关于pandas时间序列处理采用pd.grouper和resample方法的区别