pandas的resample怎么用

pandas的resample用来对时间序列数据进行重新采样。它的基本语法是：df.resample(rule, closed='right', label='right', how=None, axis=0, fill_method=None, limit=None, kind=None, convention=None, **kwargs)。

其中，rule参数是重新采样的规则，可以是字符串（如'D', 'H'）、日期偏移量（如pd.offsets.Day(1)、pd.offsets.Hour(1)）或者自定义函数。closed参数表示区间的闭合方式，label参数表示区间的标签。how参数表示对区间进行聚合的方法，可以是sum、mean等。axis参数表示对哪个轴进行重新采样，fill_method参数表示填充缺失值的方法。

下面是一个例子，假设有一个时间序列数据df，我们要将它按天进行重新采样，并计算每天的平均值：

import pandas as pd

# 创建时间序列数据
date_rng = pd.date_range(start='1/1/2020', end='1/10/2020', freq='H')
df = pd.DataFrame(date_rng, columns=['date'])
df['data'] = np.random.randint(0,100,size=(len(date_rng)))

# 按天重新采样，计算每天的平均值
df_resampled = df.resample('D', on='date').mean()
print(df_resampled)

输出结果为：

                 data
date                 
2020-01-01  41.166667
2020-01-02  50.041667
2020-01-03  44.458333
2020-01-04  44.750000
2020-01-05  54.250000
2020-01-06  47.208333
2020-01-07  50.958333
2020-01-08  41.458333
2020-01-09  45.541667
2020-01-10  64.500000

可以看到，原来的时间序列数据以小时为单位，经过重新采样后按天为单位，并计算了每天的平均值。