API · Pandas
Fonction Pandas DataFrame.resample()
La fonction DataFrame resample() permet de rééchantillonner les données des séries chronologiques.
Sur cette page
La fonction Python Pandas DataFrame.resample() rééchantillonne les données de séries chronologiques.
Syntaxe de pandas.DataFrame.resample() :
DataFrame.resample(
rule,
axis=0,
closed=None,
label=None,
convention="start",
kind=None,
loffset=None,
base=None,
on=None,
level=None,
origin="start_day",
offset=None,
)
Paramètres
rule |
Il s’agit de la chaîne ou de l’objet de décalage représentant la conversion de la cible. |
axis |
Il précise l’axe à utiliser pour l’échantillonnage ascendant ou descendant. Pour les séries, la valeur par défaut sera 0, c’est-à-dire le long des lignes. |
closed |
Il précise quel côté de l’intervalle de la poubelle est fermé. Deux options s’offrent à vous : right ou left. |
label |
Il précise l’étiquette du bord de la poubelle avec laquelle le seau doit être étiqueté. Deux possibilités s’offrent à vous : right ou left. |
convention |
Il y a quatre options : start, end, s, ou, e. Pour le PeriodIndex uniquement, il utilise le start ou la end de la règle. |
kind |
Il précise le type d’indice résultant. Deux options s’offrent à vous : timestamp ou period. L’horodatage convertit l’index résultant en un DateTimeIndex, et la période le convertit en un PeriodIndex. |
loffset |
Il ajuste les étiquettes horaires rééchantillonnées. |
base |
C’est un nombre entier. Sa valeur par défaut est 0. |
on |
Il représente le nom de la colonne à utiliser à la place de l’index pour le rééchantillonnage. La colonne doit être de type date-heure. |
level |
Il représente le nom du niveau à utiliser pour le rééchantillonnage. Le niveau doit être de type date-heure. |
origin |
Il s’agit de l’horodatage sur lequel il faut ajuster le regroupement. Il existe trois options : epoch, start ou start_day. |
offset |
Il représente un décalage timedelta ajouté au paramètre origin. |
Retourne
Il renvoie l’objet rééchantillonné.
Exemples de codes : DataFrame.resample() Méthode pour rééchantillonner les données des séries sur une base hebdomadaire
import pandas as pd
index = pd.date_range('1/1/2021', periods=30, freq='D')
series = pd.Series(range(30), index=index)
print("The Original Series is: \n")
print(series)
series1= series.resample('W').sum()
print("The Resampled Data is: \n")
print(series1)
Production :
The Original Series is:
2021-01-01 0
2021-01-02 1
2021-01-03 2
2021-01-04 3
2021-01-05 4
2021-01-06 5
2021-01-07 6
2021-01-08 7
2021-01-09 8
2021-01-10 9
2021-01-11 10
2021-01-12 11
2021-01-13 12
2021-01-14 13
2021-01-15 14
2021-01-16 15
2021-01-17 16
2021-01-18 17
2021-01-19 18
2021-01-20 19
2021-01-21 20
2021-01-22 21
2021-01-23 22
2021-01-24 23
2021-01-25 24
2021-01-26 25
2021-01-27 26
2021-01-28 27
2021-01-29 28
2021-01-30 29
Freq: D, dtype: int64
The Resampled Data is:
2021-01-03 3
2021-01-10 42
2021-01-17 91
2021-01-24 140
2021-01-31 159
Freq: W-SUN, dtype: int64
La fonction a renvoyé la somme rééchantillonnée sur une base hebdomadaire.
Exemples de codes : DataFrame.resample() Méthode pour rééchantillonner les données des séries sur une base mensuelle
import pandas as pd
index = pd.date_range('1/1/2021', periods=30, freq='D')
series = pd.Series(range(30), index=index)
print("The Original Series is: \n")
print(series)
series1= series.resample('M').sum()
print("The Resampled Data is: \n")
print(series1)
Production :
The Original Series is:
2021-01-01 0
2021-01-02 1
2021-01-03 2
2021-01-04 3
2021-01-05 4
2021-01-06 5
2021-01-07 6
2021-01-08 7
2021-01-09 8
2021-01-10 9
2021-01-11 10
2021-01-12 11
2021-01-13 12
2021-01-14 13
2021-01-15 14
2021-01-16 15
2021-01-17 16
2021-01-18 17
2021-01-19 18
2021-01-20 19
2021-01-21 20
2021-01-22 21
2021-01-23 22
2021-01-24 23
2021-01-25 24
2021-01-26 25
2021-01-27 26
2021-01-28 27
2021-01-29 28
2021-01-30 29
Freq: D, dtype: int64
The Resampled Data is:
2021-01-31 435
Freq: M, dtype: int64
La fonction a renvoyé la somme rééchantillonnée sur une base mensuelle.