重采样：resample

重采样是什么

你有 90 天的日销售数据，老板要看月度汇总；你有每分钟的传感器读数，分析要看每小时均值。把数据从一个时间频率转换到另一个频率，就是重采样（resample）。

重采样的本质是”按时间分组，再聚合”。先把时间切成一段一段（每个自然月、每个自然周），再把每段里的数据合并成一个值。它和 §37 的 groupby 是同一套思想，只是分组键换成了时间。正因如此，resample 的用法和 groupby 很像：先 resample("频率") 切组，再跟聚合方法。

import pandas as pd
import numpy as np

idx = pd.date_range("2024-01-01", periods=90, freq="D")
ts = pd.Series(np.random.randint(100, 500, 90), index=idx)

# 按自然月聚合，每月求和
print(ts.resample("ME").sum())
# 2024-01-31    ...
# 2024-02-29    ...
# 2024-03-31    ...
# Freq: ME, dtype: int64

频率别名和 §45 完全一致：ME 月末、W 每周、QE 季末、h 每小时……按月用 ME，注意不是旧写法 M。

降采样：高频到低频

把高频数据（如每天）聚合成低频（如每周、每月），叫降采样（downsampling）。聚合方法和 groupby 一个套路：

import pandas as pd
import numpy as np

idx = pd.date_range("2024-01-01", periods=90, freq="D")
ts = pd.Series(np.random.randint(100, 500, 90), index=idx)

print(ts.resample("ME").mean())    # 每月平均
print(ts.resample("ME").max())     # 每月最高
print(ts.resample("ME").min())     # 每月最低
print(ts.resample("ME").first())   # 每月第一个值
print(ts.resample("ME").last())    # 每月最后一个值
print(ts.resample("ME").count())   # 每月有多少条数据
print(ts.resample("W").sum())      # 每周求和

金融场景还有 ohlc()，一次给出开盘、最高、最低、收盘四个值：

import pandas as pd
import numpy as np

ts = pd.Series(
    np.random.randn(100).cumsum(),
    index=pd.date_range("2024-01-01", periods=100, freq="h"),
)
print(ts.resample("D").ohlc())
#             open      high       low     close
# 2024-01-01  0.49  0.496863 -1.686207 -1.37358
# ...

label 与 closed：结果挂在区间哪头

降采样把时间切成区间后，每个区间的结果要挂在一个时间标签上。label 决定挂左端还是右端。默认大多数频率是 label="left"，比如按周，周一开头的周结果挂在周一；但 ME、QE、YE、W 这些频率默认是右端，月结果挂在月末。

closed 决定区间”左闭右开”还是”右闭左开”。想精确控制，显式写出来：

import pandas as pd
import numpy as np

idx = pd.date_range("2024-01-01", periods=10, freq="D")
ts = pd.Series(np.random.randint(1, 10, 10), index=idx)

# 结果标签用区间右端
print(ts.resample("4D", label="right").sum())
# 2024-01-05     ...
# 2024-01-09     ...

一次算多个指标：agg

和 groupby 一样，resample 结果也能用 agg 一次聚合多个函数，还能对 DataFrame 的不同列用不同函数：

import pandas as pd
import numpy as np

df = pd.DataFrame(
    {
        "销售额": np.random.randint(100, 500, 60),
        "访客数": np.random.randint(1000, 5000, 60),
    },
    index=pd.date_range("2024-01-01", periods=60, freq="D"),
)

# 每列都算 sum 和 mean
print(df.resample("ME").agg(["sum", "mean"]))

# 不同列用不同聚合
print(df.resample("ME").agg({"销售额": "sum", "访客数": "mean"}))

升采样：低频到高频

升采样（upsampling）方向相反：数据变密了。问题是，一个月一个值，拆到每天，中间的日子没有原始数据——所以升采样必须配合”填充规则”，否则全是 NaN。

import pandas as pd

ts = pd.Series([100, 200, 150], index=pd.date_range("2024-01-01", periods=3, freq="ME"))

# 先看空壳：asfreq 只改变频率，不填值
print(ts.resample("D").asfreq().head(3))
# 2024-01-31    100.0
# 2024-02-01      NaN
# 2024-02-02      NaN

# 向前填充：缺失值用上一个有效值补
print(ts.resample("D").ffill().head(3))
# 2024-01-31    100
# 2024-02-01    100
# 2024-02-02    100

# 向后填充
print(ts.resample("D").bfill().head(3))
# 2024-01-31    100
# 2024-02-01    200
# 2024-02-02    200

三个原始点是 1 月末、2 月末、3 月末（ME 的标签就是月末），升采样到每天后，索引从 1 月 31 日开始。填充方法的语义和 §25 的 ffill/bfill 一致：ffill 用前面的值补，bfill 用后面的值补。想限制连续补多少个，加 limit 参数：

import pandas as pd

ts = pd.Series([100, 200], index=pd.date_range("2024-01-01", periods=2, freq="ME"))
print(ts.resample("D").ffill(limit=2).head(5))
# 2024-01-31    100.0
# 2024-02-01    100.0
# 2024-02-02    100.0
# 2024-02-03      NaN
# 2024-02-04      NaN

日期不在索引上：用 on 参数

索引不是时间，但表里有一列是日期？resample 支持 on="日期列名"，直接按那一列重采样：

import pandas as pd
import numpy as np

df = pd.DataFrame(
    {
        "日期": pd.date_range("2024-01-01", periods=30, freq="D"),
        "销量": np.random.randint(1, 50, 30),
    }
)

print(df.resample("W", on="日期").sum())
#             日期        销量
# 2024-01-07  ...       ...

注意结果索引变成了那一列的时间。多级索引时还能用 level= 指定层级（§22）。

分组后再重采样

重采样可以接在 groupby 后面，先分组，再对每组按时间聚合。比如多个门店的日销售，按门店分组后各自按月汇总：

import pandas as pd
import numpy as np

np.random.seed(1)
df = pd.DataFrame(
    {
        "门店": np.repeat(["A店", "B店"], 60),
        "日期": list(pd.date_range("2024-01-01", periods=60, freq="D")) * 2,
        "销售额": np.random.randint(50, 200, 120),
    }
)

df = df.set_index("日期")
print(df.groupby("门店").resample("ME").sum())
#                 销售额
# 门店 日期
# A店 2024-01-31   ...
#     2024-02-29   ...
# B店 2024-01-31   ...
#     2024-02-29   ...

结果带两层索引：外层是门店，内层是月份。每个门店的月度汇总互不干扰。

看看每组里有什么

Resampler 对象可以像 groupby 一样迭代，逐个查看每个时间组里的原始数据：

import pandas as pd

s = pd.Series(
    range(6),
    index=pd.to_datetime(["2024-01-01 00:00", "2024-01-01 00:30", "2024-01-01 00:31",
                          "2024-01-01 01:00", "2024-01-01 03:00", "2024-01-01 03:05"]),
)

for name, group in s.resample("h"):
    print(name, "->", len(group), "条")
# 2024-01-01 00:00:00 -> 3 条
# 2024-01-01 01:00:00 -> 1 条
# 2024-01-01 02:00:00 -> 0 条
# 2024-01-01 03:00:00 -> 2 条

注意 02:00 这个小时没有数据，但分组里仍然出现，只是空组。这在检查”哪些时间段缺数据”时非常直观。

asfreq：只换频率不聚合

有些场景你不想聚合，只想把时间轴”加密”——比如日数据补全成小时数据，但不想改变数值。用 asfreq，它只调整频率、不产生新值，空缺处全是 NaN：

import pandas as pd

s = pd.Series([1, 2, 3], index=pd.date_range("2024-01-01", periods=3, freq="D"))
print(s.asfreq("12h"))
# 2024-01-01 00:00:00    1.0
# 2024-01-01 12:00:00    NaN
# 2024-01-02 00:00:00    2.0
# 2024-01-02 12:00:00    NaN
# 2024-01-03 00:00:00    3.0

asfreq 本质上是 reindex（§23）加一个自动生成的日期序列。数据缺日期时（比如没有交易的日子），用 asfreq 补出缺失的时间轴，再配合 ffill/bfill 填值，是处理”日期不连续”问题的标准手法。

origin：调整分箱起点

默认情况下，分箱从”数据所在那天的零点”开始。数据不是整点开始的（比如从 23:30 开始），按 17 分钟分箱就会错位。用 origin 指定分箱起点：

import pandas as pd
import numpy as np

idx = pd.date_range("2024-01-01 23:30:00", periods=10, freq="7min")
ts = pd.Series(np.arange(10) * 3, index=idx)

# 默认从当天零点起分箱
print(ts.resample("17min").sum())
# 2024-01-01 23:14:00      0
# 2024-01-01 23:31:00      9
# 2024-01-01 23:48:00     21
# 2024-01-02 00:05:00     54
# 2024-01-02 00:22:00     51

# 从数据起点起分箱
print(ts.resample("17min", origin="start").sum())
# 2024-01-01 23:30:00      9
# 2024-01-01 23:47:00     21
# 2024-01-02 00:04:00     54
# 2024-01-02 00:21:00     51

origin="start" 从第一条数据开始切，origin="epoch" 从 1970 年零点开始切，也可以传一个具体的 Timestamp 当起点。默认值 "start_day" 是”当天零点”。

小结

重采样的完整套路：数据.resample(频率).聚合()。降采样用聚合函数合并数据（sum、mean、ohlc 等），升采样用 asfreq + 填充规则补数据。频率没变、只想补缺失日期时，也可以用 asfreq 直接换频率（§23 reindex 的另一种形态）。