如何理解pandas resample方法中的闭包和标签参数？

Question

基于此处的pandas文档:Docs

和例子:

>>> index = pd.date_range('1/1/2000', periods=9, freq='T')
>>> series = pd.Series(range(9), index=index)
>>> series
2000-01-01 00:00:00    0
2000-01-01 00:01:00    1
2000-01-01 00:02:00    2
2000-01-01 00:03:00    3
2000-01-01 00:04:00    4
2000-01-01 00:05:00    5
2000-01-01 00:06:00    6
2000-01-01 00:07:00    7
2000-01-01 00:08:00    8
Freq: T, dtype: int64

重新取样后:

>>> series.resample('3T', label='right', closed='right').sum()
2000-01-01 00:00:00     0
2000-01-01 00:03:00     6
2000-01-01 00:06:00    15
2000-01-01 00:09:00    15

在我的想法中,重新取样后的垃圾箱看起来应该是这样的:

=========bin 01=========
2000-01-01 00:00:00    0
2000-01-01 00:01:00    1
2000-01-01 00:02:00    2

=========bin 02=========
2000-01-01 00:03:00    3
2000-01-01 00:04:00    4
2000-01-01 00:05:00    5

=========bin 03=========
2000-01-01 00:06:00    6
2000-01-01 00:07:00    7
2000-01-01 00:08:00    8

我是对的吗？

所以在.sum我认为它应该是这样的:

2000-01-01 00:02:00     3
2000-01-01 00:05:00    12
2000-01-01 00:08:00    21

我只是不明白它是怎么出来的:

2000-01-01 00:00:00 0

(因为label='right',在这种情况下,2000-01-01 00:00:00不能是任何箱子的任何右边缘).

2000-01-01 00:09:00 15

(标签2000-01-01 00:09:00甚至在原系列中也不存在.

Answer 1

简短的答案： 如果您使用closed='left'，loffset='2T'那么您将获得期望的结果：

series.resample('3T', label='left', closed='left', loffset='2T').sum()

2000-01-01 00:02:00     3
2000-01-01 00:05:00    12
2000-01-01 00:08:00    21

长答案：（或者给定您使用的参数，为什么您得到的结果是正确的）从文档中可能不清楚，但是在此设置中打开和关闭是关于严格不严格不平等（例如<vs <=）的问题。

一个例子应该使这一点变得清楚。使用示例中的内部间隔，这与更改以下值的区别closed：

closed='right' =>  ( 3:00, 6:00 ]  or  3:00 <  x <= 6:00
closed='left'  =>  [ 3:00, 6:00 )  or  3:00 <= x <  6:00

您可以在此处的许多地方找到间隔符号的说明（括号或括号），例如：https : //en.wikipedia.org/wiki/Interval_(mathematics）

该label参数仅控制显示左侧（3:00）还是右侧（6:00），但不影响结果本身。

还要注意，您可以使用loffset参数（应将其输入为时间增量）更改间隔的起点。

回到例如，当我们从只改变标签“右”到“左”：

series.resample('3T', label='right', closed='right').sum()

2000-01-01 00:00:00     0
2000-01-01 00:03:00     6
2000-01-01 00:06:00    15
2000-01-01 00:09:00    15

series.resample('3T', label='left', closed='right').sum()

1999-12-31 23:57:00     0
2000-01-01 00:00:00     6
2000-01-01 00:03:00    15
2000-01-01 00:06:00    15

正如你所看到的，结果是一样的，只是其中的索引标识的变化。大熊猫仅可以显示在左边或右边的标签，但如果它表现出两个，那么它看起来像这样（在下面，我用标准的索引符号，其中(左侧手段打开和]右侧被封闭）：

( 1999-12-31 23:57:00, 2000-01-01 00:00:00 ]   0   # = 0
( 2000-01-01 00:00:00, 2000-01-01 00:03:00 ]   6   # = 1+2+3
( 2000-01-01 00:03:00, 2000-01-01 00:06:00 ]  15   # = 4+5+6
( 2000-01-01 00:06:00, 2000-01-01 00:09:00 ]  15   # =   7+8

请注意，第一个bin（23：57：00,00：00：00]不为空，只是它包含一行并且该行中的值为零。如果将“ sum”更改为“ count”这变得更加明显：

series.resample('3T', label='left', closed='right').count()

1999-12-31 23:57:00    1
2000-01-01 00:00:00    3
2000-01-01 00:03:00    3
2000-01-01 00:06:00    2

Answer 2

根据JohnE的回答,我把一个有用的信息图放在一起,应该一劳永逸地解决这个问题: