将 pandas 时间序列重新采样到预定义的网格

Question

假设我有一个这样构建的每周时间序列：

rng = pd.date_range('1/1/2011', periods=72, freq='D')
ts = pd.Series(np.random.randn(len(rng)), index=rng)
weekly = ts.resample('W').mean()

您还有另一个系列，每天间隔，您也想每周汇总一次，但要与第一个相匹配。

rng2 = pd.date_range('17/1/2011', periods=72, freq='D')
ts2 = pd.Series(np.random.randn(len(rng2)), index=rng2)

请注意，第二个系列不会在同一日期开始，因此只需重新采样 ts2 就会使两个每周系列错位。如果 resample 可以接收到一个 detetime 索引来重新采样，那就太好了，但 AFAICT 这是不可能的。

你会怎么做？

Answer 1

@FLab 答案是最好的 imo，如果您希望两个系列的索引完全相同，您也可以这样做：

import pandas as pd
import numpy as np

rng = pd.date_range('1/1/2011', periods=72, freq='D')
ts = pd.Series(np.random.randn(len(rng)), index=rng)
weekly = ts.resample('W').mean()

rng2 = pd.date_range('17/1/2011', periods=72, freq='D')
ts2 = pd.Series(np.random.randn(len(rng2)), index=rng2)

ts2.reindex(ts.index).resample('W').mean()

Out[14]: 
2011-01-02         NaN
2011-01-09         NaN
2011-01-16         NaN
2011-01-23   -0.073253
2011-01-30   -0.065030
2011-02-06   -0.037297
2011-02-13    0.101782
2011-02-20   -0.386027
2011-02-27    0.131906
2011-03-06    0.107101
2011-03-13   -0.030496
Freq: W-SUN, dtype: float64

如果您无权访问先前的索引，只需使用 @FLab 方法，例如：

ts.resample('W-SUN').mean()
ts2.resample('W-SUN').mean()

你可以在这里传递多个参数：

Alias   Description
W-SUN   weekly frequency (sundays). Same as ‘W’
W-MON   weekly frequency (mondays)
W-TUE   weekly frequency (tuesdays)
W-WED   weekly frequency (wednesdays)
W-THU   weekly frequency (thursdays)
W-FRI   weekly frequency (fridays)
W-SAT   weekly frequency (saturdays)

Answer 2

当重采样为每周时，您还可以指定您的一周从哪一天开始：http://pandas.pydata.org/pandas-docs/stable/timeseries.html#anchored-offsets。

因此你可以这样做：

ts2_resamples = ts2.resample(weekly.index.freq).mean()