pandas中的时序数据分组运算

1 简介

我们在使用pandas分析处理时间序列数据时，经常需要对原始时间粒度下的数据，按照不同的时间粒度进行分组聚合运算，譬如基于每个交易日的股票收盘价，计算每个月的最低和最高收盘价。

而在pandas中，针对不同的应用场景，我们可以使用resample()、groupby()以及Grouper()来非常高效快捷地完成此类任务。

图1

2 在pandas中进行时间分组聚合

在pandas中根据具体任务场景的不同，对时间序列进行分组聚合可通过以下两类方式实现。

2.1 利用resample()对时序数据进行分组聚合

resample原始的意思是**「重采样」，可分为「上采样」与「下采样」，而我们通常情况下使用的都是「下采样」**，也就是从高频的数据中按照一定规则计算出更低频的数据，就像我们一开始说的对每日数据按月汇总那样。

如果你熟悉pandas中的groupby()分组运算，那么你就可以很快地理解resample()的使用方式，它本质上就是在对时间序列数据进行“分组”，最基础的参数为rule，用于设置按照何种方式进行重采样，就像下面的例子那样：

import pandas as pd  
  
# 记录了2013-02-08到2018-02-07之间每个交易日苹果公司的股