怎么使用Python中Pandas庫Resample，實(shí)現(xiàn)重采樣，完成線性插值

#python中的pandas庫主要有DataFrame和Series類(面向?qū)ο蟮牡恼Z言更愿意叫類) DataFrame也就是

為襄垣等地區(qū)用戶提供了全套網(wǎng)頁設(shè)計(jì)制作服務(wù)，及襄垣網(wǎng)站建設(shè)行業(yè)解決方案。主營(yíng)業(yè)務(wù)為做網(wǎng)站、成都網(wǎng)站制作、襄垣網(wǎng)站設(shè)計(jì)，以傳統(tǒng)方式定制建設(shè)網(wǎng)站，并提供域名空間備案等一條龍服務(wù)，秉承以專業(yè)、用心的態(tài)度為用戶提供真誠(chéng)的服務(wù)。我們深信只要達(dá)到每一位用戶的要求，就會(huì)得到認(rèn)可，從而選擇與我們長(zhǎng)期合作。這樣，我們也可以走得更遠(yuǎn)！

#數(shù)據(jù)框(主要是借鑒R里面的data.frame)，Series也就是序列 ，pandas底層是c寫的 性能很棒，有大神

#做過測(cè)試 處理億級(jí)別的數(shù)據(jù)沒問題，起性能可以跟同等配置的sas媲美

#DataFrame索引 df.loc是標(biāo)簽選取操作，df.iloc是位置切片操作

print(df[['row_names','Rape']])

df['行標(biāo)簽']

df.loc[行標(biāo)簽,列標(biāo)簽]

print(df.loc[0:2,['Rape','Murder']])

df.iloc[行位置,列位置]

df.iloc[1,1]#選取第二行，第二列的值，返回的為單個(gè)值

df.iloc[0,2],:]#選取第一行及第三行的數(shù)據(jù)

df.iloc[0:2,:]#選取第一行到第三行（不包含）的數(shù)據(jù)

df.iloc[:,1]#選取所有記錄的第一列的值，返回的為一個(gè)Series

df.iloc[1,:]#選取第一行數(shù)據(jù)，返回的為一個(gè)Series

print(df.ix[1,1]) # 更廣義的切片方式是使用.ix，它自動(dòng)根據(jù)你給到的索引類型判斷是使用位置還是標(biāo)簽進(jìn)行切片

print(df.ix[0:2])

#DataFrame根據(jù)條件選取子集 類似于sas里面if、where ,R里面的subset之類的函數(shù)

df[df.Murder13]

df[(df.Murder10)(df.Rape30)]

df[df.sex==u'男']

#重命名 相當(dāng)于sas里面的rename R軟件中reshape包的中的rename

df.rename(columns={'A':'A_rename'})

df.rename(index={1:'other'})

#刪除列 相當(dāng)于sas中的drop R軟件中的test['col']-null

df.drop(['a','b'],axis=1) or del df[['a','b']]

#排序 相當(dāng)于sas里面的sort R軟件里面的df[order(x),]

df.sort(columns='C') #行排序 y軸上

df.sort(axis=1) #各個(gè)列之間位置排序 x軸上

#數(shù)據(jù)描述 相當(dāng)于sas中proc menas R軟件里面的summary

df.describe()

#生成新的一列 跟R里面有點(diǎn)類似

df['new_columns']=df['columns']

df.insert(1,'new_columns',df['B']) #效率最高

df.join(Series(df['columns'],name='new_columns'))

#列上面的追加 相當(dāng)于sas中的append R里面cbind()

df.append(df1,ignore_index=True)

pd.concat([df,df1],ignore_index=True)

#最經(jīng)典的join 跟sas和R里面的merge類似 跟sql里面的各種join對(duì)照

merge()

#刪除重行 跟sas里面nodukey R里面的which(!duplicated(df[])類似

df.drop_duplicated()

#獲取最大值 最小值的位置 有點(diǎn)類似矩陣?yán)锩娴姆椒?/p>

df.idxmin(axis=0 ) df.idxmax(axis=1) 0和1有什么不同 自己摸索去

#讀取外部數(shù)據(jù)跟sas的proc import R里面的read.csv等類似

read_excel() read_csv() read_hdf5() 等

與之相反的是df.to_excel() df.to_ecv()

#缺失值處理 個(gè)人覺得pandas中缺失值處理比sas和R方便多了

df.fillna(9999) #用9999填充

#鏈接數(shù)據(jù)庫 不多說 pandas里面主要用 MySQLdb

import MySQLdb

conn=MySQLdb.connect(host="localhost",user="root",passwd="",db="mysql",use_unicode=True,charset="utf8")

read_sql() #很經(jīng)典

#寫數(shù)據(jù)進(jìn)數(shù)據(jù)庫

df.to_sql('hbase_visit',con, flavor="mysql", if_exists='replace', index=False)

#groupby 跟sas里面的中的by R軟件中dplyr包中的group_by sql里面的group by功能是一樣的 這里不多說

#求啞變量

dumiper=pd.get_dummies(df['key'])

df['key'].join(dumpier)

#透視表 和交叉表 跟sas里面的proc freq步類似 R里面的aggrate和cast函數(shù)類似

pd.pivot_table()

pd.crosstab()

#聚合函數(shù)經(jīng)常跟group by一起組合用

df.groupby('sex').agg({'height':['mean','sum'],'weight':['count','min']})

#數(shù)據(jù)查詢過濾

test.query("0.2

將STK_ID中的值過濾出來

stk_list = ['600809','600141','600329']中的全部記錄過濾出來，命令是：rpt[rpt['STK_ID'].isin(stk_list)].

將dataframe中，某列進(jìn)行清洗的命令

刪除換行符：misc['product_desc'] = misc['product_desc'].str.replace('\n', '')

刪除字符串前后空格：df["Make"] = df["Make"].map(str.strip)

如果用模糊匹配的話，命令是：

rpt[rpt['STK_ID'].str.contains(r'^600[0-9]{3}$')]

對(duì)dataframe中元素，進(jìn)行類型轉(zhuǎn)換

df['2nd'] = df['2nd'].str.replace(',','').astype(int) df['CTR'] = df['CTR'].str.replace('%','').astype(np.float64)

#時(shí)間變換 主要依賴于datemie 和time兩個(gè)包

#其他的一些技巧

df2[df2['A'].map(lambda x:x.startswith('61'))] #篩選出以61開頭的數(shù)據(jù)

df2["Author"].str.replace(".+", "").head() #replace(".+", "")表示將字符串中以””開頭;以””結(jié)束的任意子串替換為空字符串

commits = df2["Name"].head(15)

print commits.unique(), len(commits.unique()) #獲的NAME的不同個(gè)數(shù)，類似于sql里面count(distinct name)

#pandas中最核心 最經(jīng)典的函數(shù)apply map applymap

利用Python進(jìn)行數(shù)據(jù)分析(9)-重采樣resample和頻率轉(zhuǎn)換

Python-for-data-重新采樣和頻率轉(zhuǎn)換

重新采樣指的是將時(shí)間序列從一個(gè)頻率轉(zhuǎn)換到另一個(gè)頻率的過程。

但是也并不是所有的采樣方式都是屬于上面的兩種

pandas中使用resample方法來實(shí)現(xiàn)頻率轉(zhuǎn)換，下面是resample方法的參數(shù)詳解：

將數(shù)據(jù)聚合到一個(gè)規(guī)則的低頻上，例如將時(shí)間轉(zhuǎn)換為每個(gè)月，"M"或者"BM"，將數(shù)據(jù)分成一個(gè)月的時(shí)間間隔。

每個(gè)間隔是半閉合的，一個(gè)數(shù)據(jù)只能屬于一個(gè)時(shí)間間隔。時(shí)間間隔的并集必須是整個(gè)時(shí)間幀

默認(rèn)情況下，左箱體邊界是包含的。00:00的值是00：00到00：05間隔內(nèi)的值

產(chǎn)生的時(shí)間序列按照每個(gè)箱體左邊的時(shí)間戳被標(biāo)記。

傳遞span class="mark"label="right"/span可以使用右箱體邊界標(biāo)記時(shí)間序列

向loffset參數(shù)傳遞字符串或者日期偏置

在金融數(shù)據(jù)中，為每個(gè)數(shù)據(jù)桶計(jì)算4個(gè)值是常見的問題：

通過span class="girk"ohlc聚合函數(shù)/span能夠得到四種聚合值列的DF數(shù)據(jù)

低頻轉(zhuǎn)到高頻的時(shí)候會(huì)形成缺失值

ffill() ：使用前面的值填充， limit 限制填充的次數(shù)

請(qǐng)問各位大神python中numpy模塊的numpy.random.weibull（a，size）中a和size 代表的是什么參數(shù)

a參數(shù)就是weibull分布公式中的那個(gè)系數(shù)，X = ln(U)^(1/a)

size是輸出的形狀，可以不填。在不填的情況下，輸出和輸入的維度一致，即np.array(a).size。例如：

如果a是一個(gè)標(biāo)量，輸出也就是采樣一次。

如果a是一個(gè)list，則依次按照list中參數(shù)采樣。

該函數(shù)的文檔