Pandas重新采样时间序列resample 在Pandas中，df.resample('W')是一个用于重新采样时间序列数据的方法。它允许你将一个具有日期时间索引的DataFrame或Series对象转换为不同的时间频率。在df.resample('W')中，参数'W'表示按周进行重采样。这意味着将原始数据按周聚合，并生成一个新的DataFrame或Series对象，其中每个周的数据被聚合为一个单独的数据点。下面是使用df.resample('W')的一个简单示例：import pandas as pd # 创建一个包含日期时间索引的示例DataFrame data = {'date': pd.date_range('2023-01-01', periods=100, freq='D'), 'value': range(100)} df = pd.DataFrame(data) df.set_index('date', inplace=True) # 按周重新采样数据 resampled_df = df.resample('W').sum() # 输出重新采样后的DataFrame print(resampled_df)输出结果将类似于以下内容： value date 2023-01-01 21 2023-01-08 56 2023-01-15 77 2023-01-22 105 2023-01-29 133 ... ... 2023-04-02 1131 2023-04-09 1168 2023-04-16 1205 2023-04-23 1242 2023-04-30 608 [18 rows x 1 columns]在上述示例中，原始数据按每天的频率生成，然后使用df.resample('W')方法按周重新采样。聚合函数（默认为求和）被应用于每个周的数据，生成了一个新的DataFrame，其中每个周的值是原始数据在该周内的总和。你可以根据需要使用不同的聚合函数来处理数据，如.sum()、.mean()、.max()、.min()等。此外，你还可以使用.agg()方法对不同的列应用不同的聚合函数。