Python数据分析基础与应用模块8Pandas时间序列操作与应用

8.3Pandas数据重采样

8.3.1使用resample()函数实现数据降采样通过resample()函数完成数据的降采样，例如按天计数的频率转换为按月计数。降采样时间颗粒变大，总体的数据量是减少的。只需要从高频向低频转换时，应用聚合函数即可。

8.3.2使用resample()函数实现数据升采样升采样是将低频率（时间间隔）转换为高频率，例如按周统计的数据要变成按天统计。升采样时，时间颗粒是变小的，总体的数据量会增多，这很有可能导致某些时间戳没有相应的数据。实现按周采样变成按天采样，需要使用resample()函数和asfreq()函数联合实现，asfreq()函数会将数据转换为指定的频率。

8.3.3使用asfreq()函数实现频率转换使用asfreq()函数不仅能够实现频率转换，还可以保留原频率对应的数值，同时它也可以单独使用。

8.3.4对缺失值进行插值处理升采样的结果可能会产生缺失值，那么就需要对缺失值进行处理，一般有以下几种处理方式：（1）pad/ffill：使用前一个非缺失值去填充缺失值。（2）backfill/bfill：使用后一个非缺失值去填充缺失值。（3）interpolater(linear)：线性插值方法。（4）fillna(value)：指定一个值去替换缺失值。

快乐学习高效学习祝学习进步！