python - 将 Pandas 时间序列重采样到预定义的网格

Question

假设我有一个这样构建的每周时间序列:

rng = pd.date_range('1/1/2011', periods=72, freq='D')
ts = pd.Series(np.random.randn(len(rng)), index=rng)
weekly = ts.resample('W').mean()

并且您有另一个间隔为每日的系列，您也希望每周汇总一次，但以与第一个系列相匹配的方式。

rng2 = pd.date_range('17/1/2011', periods=72, freq='D')
ts2 = pd.Series(np.random.randn(len(rng2)), index=rng2)

请注意，第二个系列的开始日期不同，因此简单地重新采样 ts2 会使两个每周系列错位。如果 resample 可以接收一个 detetime 索引以重新采样，那会很好，但 AFAICT 这是不可能的。

你会怎么做？

Answer 1

@FLab 的答案在我看来是最好的，如果你想在两个系列上使用完全相同的索引，你也可以这样做:

import pandas as pd
import numpy as np

rng = pd.date_range('1/1/2011', periods=72, freq='D')
ts = pd.Series(np.random.randn(len(rng)), index=rng)
weekly = ts.resample('W').mean()

rng2 = pd.date_range('17/1/2011', periods=72, freq='D')
ts2 = pd.Series(np.random.randn(len(rng2)), index=rng2)

ts2.reindex(ts.index).resample('W').mean()

Out[14]: 
2011-01-02         NaN
2011-01-09         NaN
2011-01-16         NaN
2011-01-23   -0.073253
2011-01-30   -0.065030
2011-02-06   -0.037297
2011-02-13    0.101782
2011-02-20   -0.386027
2011-02-27    0.131906
2011-03-06    0.107101
2011-03-13   -0.030496
Freq: W-SUN, dtype: float64

如果您无权访问先前的索引，只需使用@FLab 方法即可:

ts.resample('W-SUN').mean()
ts2.resample('W-SUN').mean()

你可以在这里传递多个参数:

Alias   Description
W-SUN   weekly frequency (sundays). Same as ‘W’
W-MON   weekly frequency (mondays)
W-TUE   weekly frequency (tuesdays)
W-WED   weekly frequency (wednesdays)
W-THU   weekly frequency (thursdays)
W-FRI   weekly frequency (fridays)
W-SAT   weekly frequency (saturdays)