从事件数据创建时间序列 DataFrame

Question

我有一个商店位置数据集，其中包含事件日期（所有库存从该商店售出的日期）和售出商品的数量，如下所示：

import numpy as np, pandas as pd

# Dates
start = pd.Timestamp("2014-02-26")
end = pd.Timestamp("2014-09-24")

# Generate some data
N = 1000
quantA = np.random.randint(10, 500, N)
quantB = np.random.randint(50, 250, N)
sell = np.random.randint(start.value, end.value, N)
sell = pd.to_datetime(np.array(sell, dtype="datetime64[ns]"))

df = pd.DataFrame({"sell_date": sell, "quantityA":quantA, "quantityB":quantB})
df.index = df.sell_date

我想创建一个新的时间序列数据框，其中包含来自这些数量 A 和 B 的范围内的每周摘要（或每天；或每个自定义 date_range 对象）。

我可以根据这些生成周数和总销售额，就像这样......

df['week'] = df.sell_date.dt.week
df.pivot_table(values = ['quantityA', 'quantityB'], index = 'week', aggfunc = [np.sum, len])

但我不知道如何执行以下操作：

1. 将此扩展为完整的时间序列（基于 date_range 对象，例如 period_range = pd.date_range(start = start, end = end, freq='7D')），
2. 包括原始日期（作为“周开始”变量），而不是整数周数，或
3. 将日期变量更改为这个新数据框的索引。

Answer 1

我不确定这是否是你想要的，但你可以试试

df.set_index('sell_date', inplace=True) 
resampled = df.resample('7D', [sum, len])

生成的索引可能不是您想要的，因为它以精确到纳秒的最早日期时间开始。您可以通过执行替换为时间为 00:00:00 的日期时间

resampled.index = pd.to_datetime(resampled.index.date)

编辑：

其实你可以这样做

    resampled = df.resample('W', [sum, len])

结果索引正是您想要的。有趣的是，传递'D' 也会给出您期望的索引，但是传递像'2D' 这样的倍数会导致“丑陋”索引，也就是说，从最早的正确到纳秒开始，并以恰好2 天的倍数增加。我想这个教训是尽可能坚持像“D”、“W”、“M”这样的单曲。

编辑： 重新采样的 API 在某些时候发生了更改，因此上述内容不再有效。相反，可以这样做：

resampled = df.resample('W').agg([sum, len])

.resample 现在返回一个公开方法的Resampler 对象，很像groupbyAPI。