如何在Python中重采样时间序列数据

时间序列数据是在规则间隔内随时间收集的一系列观测值。此数据可以来自任何领域，例如金融、经济、健康和环境科学。我们收集的时间序列数据有时可能具有不同的频率或分辨率，这可能不适合我们的分析和数据建模过程。在这种情况下，我们可以通过提高或降低采样率来重采样时间序列数据，从而更改时间序列的频率或分辨率。本文将解释重采样时间序列数据的不同方法。

上采样

上采样是指提高时间序列数据的频率。当我们需要更高的分辨率或更频繁的观测值时，通常会这样做。Python 提供了几种上采样时间序列数据的方法，包括 **线性插值、最近邻插值和多项式插值。**

语法

DataFrame.resample(rule, *args, **kwargs)
DataFrame.asfreq(freq, method=None)
DataFrame.interpolate(method='linear', axis=0, limit=None, inplace=False, limit_direction='forward', limit_area=None)

这里：

**resample** 函数是 pandas 库提供的一种用于重采样时间序列数据的方法。它应用于 DataFrame 并接受 rule 参数，该参数指定所需的重采样频率。可以提供附加参数 (*args) 和关键字参数 (**kwargs) 来定制重采样行为，例如指定聚合方法或处理缺失值。
**asfreq** 方法与 resample 函数一起使用，用于转换时间序列数据的频率。它接受 freq 参数，该参数指定输出所需的频率字符串。可选的 method 参数允许指定如何处理重采样过程中引入的任何缺失值，例如前向填充、后向填充或插值。
interpolate 方法用于填充时间序列数据中的缺失值或间隙。它根据指定的方法（例如，“linear”、“nearest”、“spline”）执行插值，以估计现有观测值之间的值。其他参数允许控制执行插值的轴、要填充的连续 NaN 值的限制以及是否就地修改 DataFrame 或返回新的 DataFrame。

线性插值

线性插值用于上采样时间序列数据。它通过在数据点之间绘制直线来填充数据点之间的间隙。pandas 库中的 resample 函数可用于实现线性插值。

示例

在下面的示例中，我们有一个时间序列 DataFrame，其中包含三个在非连续日期上的观测值。我们将“Date”列转换为日期时间格式并将其设置为索引。resample 函数用于使用 asfreq 方法将数据上采样到每日频率 ('D')。最后，使用 'linear' 选项的 interpolate 方法使用线性插值填充数据点之间的间隙。DataFrame df_upsampled 包含使用插值值上采样的时间序列数据。

import pandas as pd

# Create a sample time series DataFrame
data = {'Date': ['2023-06-01', '2023-06-03', '2023-06-06'],
        'Value': [10, 20, 30]}
df = pd.DataFrame(data)
df['Date'] = pd.to_datetime(df['Date'])
df.set_index('Date', inplace=True)

# Upsample the data using linear interpolation
df_upsampled = df.resample('D').asfreq().interpolate(method='linear')

# Print the upsampled DataFrame
print(df_upsampled)

输出

                Value
Date                 
2023-06-01  10.000000
2023-06-02  15.000000
2023-06-03  20.000000
2023-06-04  23.333333
2023-06-05  26.666667
2023-06-06  30.000000

下采样

下采样用于降低时间序列数据的频率，通常是为了获得更广泛的数据视图或简化分析。Python 提供不同的下采样技术，例如在指定的时间间隔内取平均值、总和或最大值。

语法

DataFrame.mean(axis=None, skipna=None, level=None, numeric_only=None, **kwargs)

这里，聚合方法（例如，**平均值、总和或最大值**）在重采样后应用，以计算代表每个重采样间隔内分组观测值的单个值。这些方法通常在对数据进行下采样时使用。它们可以直接应用于重采样的 DataFrame，也可以与 resample 函数组合以根据特定频率（例如每周或每月）聚合数据，方法是指定相应的规则。

平均值下采样

平均值下采样计算每个区间内数据点的平均值。处理高频数据并获取每个区间的代表性值时，此方法很有用。resample 函数与平均值方法组合可以使用来执行平均值下采样。

示例

在下面的示例中，我们从跨越 2023 年 6 月整月的每日时间序列 DataFrame 开始。具有 'W' 频率的 resample 函数将数据下采样到每周间隔。通过应用平均值方法，我们获得了每周内的平均值。生成的 DataFrame df_downsampled 包含平均值下采样的时间序列数据。

import pandas as pd

# Create a sample time series DataFrame with daily frequency
data = {'Date': pd.date_range(start='2023-06-01', end='2023-06-30', freq='D'),
        'Value': range(30)}
df = pd.DataFrame(data)
df.set_index('Date', inplace=True)

# Downsampling using mean
df_downsampled = df.resample('W').mean()

# Print the downsampled DataFrame
print(df_downsampled)

输出

            Value
Date             
2023-06-04    1.5
2023-06-11    7.0
2023-06-18   14.0
2023-06-25   21.0
2023-07-02   27.0

最大值下采样

最大值下采样计算并设置每个区间内的最高值。此方法适用于识别时间序列中的峰值或极端事件。在前面的示例中使用 max 代替 mean 或 sum 可以执行最大值下采样。

示例

在下面的示例中，我们从跨越 2023 年 6 月整月的每日时间序列 DataFrame 开始。具有 'W' 频率的 resample 函数将数据下采样到每周间隔。通过应用 max 方法，我们获得了每周内的最大值。生成的 DataFrame df_downsampled 包含最大值下采样的时间序列数据。

import pandas as pd
# Create a sample time series DataFrame with daily frequency
data = {'Date': pd.date_range(start='2023-06-01', end='2023-06-30', freq='D'),
        'Value': range(30)}
df = pd.DataFrame(data)
df.set_index('Date', inplace=True)

# Downsampling using mean
df_downsampled = df.resample('W').max()

# Print the downsampled DataFrame
print(df_downsampled)

输出

            Value
Date             
2023-06-04      3
2023-06-11     10
2023-06-18     17
2023-06-25     24
2023-07-02     29

结论

在本文中，我们讨论了如何使用 Python 重采样时间序列数据。Python 提供各种上采样和下采样技术。我们探讨了用于上采样的线性插值和最近邻插值，以及用于下采样的平均值和最大值插值。您可以根据手头的具体问题使用任何上采样或下采样技术。

Rohan Singh

更新于：2023年7月18日

3K+ 次浏览

启动你的职业生涯

完成课程获得认证

开始学习