df.resample( period ) 不需要求和

是的，使用 `df.resample(period)` 方法可以对 DataFrame 进行周期性的重采样，而不一定需要对数据进行求和。

`df.resample(period)` 可以用于按照一定的周期对 DataFrame 进行重采样，例如按照每小时、每天、每周等周期进行重采样。在重采样过程中，可以对数据进行聚合、填充或插值等操作。其中 `period` 参数用于指定重采样的周期，可以使用字符串或 Timedelta 对象来表示，例如 '1H' 表示每小时，'1D' 表示每天。

如果不需要对数据进行求和，可以在 `df.resample(period)` 方法后面跟上其他的聚合函数来实现不同的操作，例如：

- `df.resample(period).mean()`：对数据进行平均值计算；
- `df.resample(period).first()`：对数据进行取第一个值操作；
- `df.resample(period).last()`：对数据进行取最后一个值操作；
- `df.resample(period).count()`：对数据进行计数操作；
- `df.resample(period).apply(func)`：对数据应用自定义的函数 func 进行计算；

等等。

通过这些方法，可以方便地对周期性数据进行处理和分析。

相关问题

python 用df.resample( period ).sum()的时候提示：FutureWarning: The default value of numeric_only in DataFrameGroupBy.sum is deprecated. In a future version, numeric_only will default to False. Either specify numeric_only or select only columns which should be va

这个警告是因为在未来的版本中，DataFrameGroupBy.sum() 方法的 numeric_only 参数的默认值将会变为 False。而在当前版本中，numeric_only 默认为 True。因此，为了避免未来的问题，建议在使用 DataFrameGroupBy.sum() 方法时显式地指定 numeric_only 参数的值。

numeric_only 参数用于指定是否仅对数值型列进行求和。如果值为 False，则对所有列进行求和；如果值为 True，则仅对数值型列进行求和。

因此，可以将代码修改为以下形式：

df.resample(period).sum(numeric_only=True)

这样就可以避免出现警告信息了。

to.period()函数只能重采样一个指标么

不是的，`to_period()`函数可以用于DataFrame对象的列或行，支持同时重采样多个指标。你可以通过在`to_period()`函数中指定`freq`参数来控制重采样的频率。例如，如果你有一个名为`df`的DataFrame对象，其中包含两个指标`A`和`B`，你可以使用以下语句将它们同时重采样为季度频率：

df.resample('Q').agg({'A':'sum', 'B':'mean'}).to_period('Q')

在此示例中，`resample()`函数将DataFrame对象重采样为季度频率，然后`agg()`函数对`A`指标执行求和操作，对`B`指标执行求平均值操作。最后，`to_period()`函数将结果转换为PeriodIndex对象，以便将其存储为周期性数据。