按自定义年度频率重新采样答案

【问题标题】：Resample by custom annual frequency按自定义年度频率重新采样
【发布时间】：2017-10-22 15:10:49
【问题描述】：

我知道我可以使用 AS-JUL 从 7 月 1 日开始每年重新采样，但我该如何在不同的日期之前进行？

In [11]: df
Out[11]:
            value
date
2005-07-02      4
2005-09-20      7
2005-11-12      4
2005-12-31      0
2006-07-03      5
2006-06-25      6
2006-07-23      1
2006-09-28      8
2006-12-21      1
2006-12-27      9
2007-07-03      7
2007-09-21      0

In [12]: df.resample("AS-JUL").sum()
Out[12]:
            value
date
2005-07-01     26
2006-07-01     19
2007-07-01      7

我希望开始日期是 7 月 5 日，我该如何重新采样？

【问题讨论】：

所以，这个问题归结为你想要一个像"AS-JUL" 这样的自定义偏移量，但从 5 号开始。
是的！@AndyHayden 我只是想沿用你的想法！
@AndyHayden 表示如果日期是`2015-7-02`会从2014-7-05开始
是的，我会为你更新一个更简洁的例子

标签： python pandas

【解决方案1】：

您可以减去 4 天，重新采样，然后再加上 4 天……但这有点可怕：

In [11]: data2.index = data2.index - pd.offsets.Day(4)

In [12]: res = data2.resample("AS-JUL").sum()

In [13]: res.index = res.index + pd.offsets.Day(4)

In [14]: res
Out[14]:  
           value
date    
2004-07-05  4
2005-07-05  22
2006-07-05  26
2007-07-05  12

【讨论】：

我期待一个更好的解决方案，但会放弃这个:)
其实你这解决了这个问题，但我想弄清楚如何继续上一个问题！
@Tangfeifan 同样的想法适用：从日期列中减去 4 天，做 AS-JUL 的事情，结果加上 4 天。
源代码中的自定义日期开始也没有太多。你可以做功能请求吗？

【解决方案2】：

您可以添加日期偏移量，即

data2['date'].map(to_offset('AS-JUL')) +  pd.DateOffset(days=4)

输出：

0 2006-07-05 1 2006-07-05 2 2006-07-05 3 2006-07-05 4 2006-07-05 5 2006-07-05 6 2007-07-05 7 2007-07-05

【讨论】：

这只是更改了标签，但不会更改实际的基础重采样（即，将 7 月 4 日分组为 5 日，而不是前一个“年”）。见stackoverflow.com/questions/46871173/…
@AndyHayden 是对的，当我更改数据时 groupby 结果是错误的