Question

1. Pandas 提供了表示时间点、时间段、时间间隔等三种与时间有关的类型，以及元素为这些类型的索引对象。pandas还提供了许多与时间序列相关的函数。

1. Python 中的时间

1. Python中，关于时间、日期处理的库有三个：time、datetime、Calendar。其中：datetime又有datetime.date/datetime.time/datetime.datetime三个类

1.1 时区

1. 所有的时间都有一个时区。同样一个时间戳，根据不同的时区，它可以转换成不同的时间。
2. pytz模块的common_timezones可以获取常用的表示时区的字符串。你可以通过pytz.timezone('timezone_str')来创建时区对象。

1.2 time 模块

1. time模块中，时间有三种表现形式：

   • Unix时间戳。指的是从1970年以来的秒数
   • 本地时间的struct_time形式：一个命名元组，第一位为年、第二位为月....
   • UTC时间的struct_time的形式：类似于上面的，只是为UTC时间。区别在于：前者是本地时间local time，后者是UTC时间

2. 查看当前时间的三种表现形式：

   • Unix时间戳： time.time()
   • local struct_time： time.localtime()
   • utc struct_time：time.gmtime()

   

3. 三种格式之间的转换：

   • timestamp--->local time：time.localtime(time_stamp)
   • timestamp--->utc time：time.gmtime(time_stamp)
   • local time--->timestamp：time.mktime(local_time)
   • utc time---> timestamp：calendar.timegm(utc_time)

   

4. 三种格式的时间转换为字符串：

   • timestamp：time.ctime(time_stamp)
   • local struct_time time/utc struct_time time：time.asctime(struct_time)
     
   • 对于local struct_time time/utc struct_time time：你也可以使用time.strftime(format_str,struct_time) 来自定义格式化串。其中format_str为格式化串。

   字符串转换为struct_time：time.strptime(time_str,format_str)。其中format_str为格式化串。

5. 查看当前时区： time.timezone。它返回的是距离UTC时间的距离（单位为秒）（>0，在美洲;<=0，在大多数欧洲，亚洲，非洲）。你无法通过修改它的值来修改时区。time模块使用的是系统的时区。

1.3 datetime 模块

1. datetime模块中主要包含四个类：

   • datetime.time：时间类。只包含时、分、秒、微秒等时间信息
   • datetime.date：日期类。值包含年月日星期等日期信息
   • datetime.datetime：日期时间类。包含上述两者的全部信息
   • datetime.timedelta：日期时间间隔类，用来表示两个datetime之间的差值。

2. datetime.time的构造函数为：

   
   xxxxxxxxxx
     time([hour[, minute[, second[, microsecond[, tzinfo]]]]])

   其中tzinfo就是时区对象。0<=hour<24，0<=minute<60，0<=second<60，0<=microsecond<1000000，否则抛出异常。tzinfo默认为None

属性有：

• hour/minute/second/microsecond/tzinfo

方法有：

• time.replace([hour[, minute[, second[, microsecond[, tzinfo]]]]])：替换对应的值，返回一个新的对象
• time.isoformat()：返回一个ISO 8601格式的字符串。
• time.strftime(format)：格式化datetime.time对象
• time.tzname()：如果时区为为None，则返回None。否则返回时区名称

3. datetime.date的构造函数为：

   
   xxxxxxxxxx
     datetime.date(year, month, day) 

   • month取值为[1,12]；day取值为[1,num]，num取决于指定的年和月有多少天

   类方法有：date.today()/date.fromtimestamp(timestamp)

   属性有：year/month/day

   方法有：
   

   • 运算：date1-date2、date1+timedelta、date1-timedelta、date1<date2
   • date.replace(year,month,day)：替换掉对应值，返回新对象
   • date.timetuple()：返回一个time.struct_time类型的元组
   • date.weekday()：返回代表星期几的数字。0为周日
   • date.isoweekday()：返回代表星期几的数字。7为周日
   • date.isocalendar()：返回一个元组(ISO year,IOS week num,ISO weekday)
   • date.isoformat()：返回一个ISO 8601格式的字符串。
   • date.ctime()：等价于time.ctime(time.mktime(d.timetuple()))
   • date.strftime(format)：格式化datetime.date对象

   

4. datetime.datetime的构造函数为：

   
   xxxxxxxxxx
     datetime.datetime(year, month, day, hour=0, minute=0, 
     second=0, microsecond=0, tzinfo=None)

   类方法有：

   • datetime.today()：返回当前的时间日期
   • datetime.now(tz=None)：返回指定时区当前的时间日期。如果tz=None，则等价于datetime.today()
   • datetime.utcnow()：返回当前的UTC时间日期
   • datetime.fromtimestamp(timestamp, tz=None)：根据时间戳，创建指定时区下的时间日期。
   • datetime.utcfromtimestamp(timestamp)：根据时间戳，创建UTC下的时间日期。
   • datetime.combine(date, time)：从date和time对象中创建datetime
   • datetime.strptime(date_string, format)：从字符串中创建datetime

   属性有：year/month/day/hour/minute/second/microsecond/tzinfo

   方法有：

   • 运算：datetime1-datetime2、datetime1+timedelta、 datetime1-timedelta、datetime1<datetime2
   • datetime.date()：返回一个date对象
   • datetime.time()：返回一个time对象（该time的tzinfo=None）
   • datetime.timetz()：返回一个time对象（该time的tzinfo为datetime的tzinfo）
   • datetime.replace([year[, month[, day[, hour[, minute[, second [, microsecond[, tzinfo]]]]]]]])：替换掉指定值，返回新对象
   • datetime.astimezone(tz=None) ：调整时区。如果tz=None，则默认采用系统时区。注意，调整前后的UTC时间是相同的。
   • datetime.tzname()：返回时区名字
   • datetime.timetuple()：返回一个time.struct_time这样的命名元组
   • datetime.utctimetuple()：返回一个time.struct_time这样的命名元组，注意它是在UTC时间下的，而不是local time下的
   • datetime.timestamp()：返回一个时间戳
   • datetime.weekday()：返回代表星期几的数字。0为周日
   • datetime.isoweekday()：返回代表星期几的数字。7为周日
   • datetime.isocalendar()：返回一个元组(ISO year,IOS week num,ISO weekday)
   • datetime.isoformat(sep='T')：返回一个ISO 8601格式的字符串。
   • datetime.ctime()：等价于time.ctime(time.mktime(d.timetuple()))
   • datetime.strftime(format)：格式化datetime.datetime对象。

   注意：不能将tzinfo=None和tzinfo!=None的两个datetime进行运算。

5. 下面是常用的格式化字符串的定义：

   • '%Y'：4位数的年
   • '%y'：2位数的年
   • '%m'：2位数的月 [01,12]
   • '%d'：2位数的日 [01,31]
   • '%H'：小时（24小时制）[00,23]
   • '%I'：小时（12小时制）[01,12]
   • '%M'：2位数的分[00,59]
   • '%S'：秒[00,61]，61秒用于闰秒
   • '%w'：用整数表示的星期几[0,6]，0 表示星期日
   • '%U'：每年的第几周[00,53]。星期天表示每周的第一天。每年的第一个星期天之前的那几天被认为是第 0 周
   • '%W'：每年的第几周[00,53]。星期一表示每周的第一天。每年的第一个星期一之前的那几天被认为是第 0 周
   • '%z'：以+HHMM或者-HHMM表示的UTC时区偏移量。如果未指定时区，则返回空字符串。
   • '%F'：以%Y-%m-%d简写的形式
   • '%D'：以%m/%d/%y简写的形式
   • '%a'：星期几的简称
   • '%A'：星期几的全称
   • '%b'：月份的简称
   • '%B'：月份的全称
   • '%c'：完整的日期和时间
     
   • '%q'：季度[01,04]

   

6. timedelta代表一段时间。其构造：

   
   xxxxxxxxxx
     datetime.timedelta(days=0, seconds=0, microseconds=0, milliseconds=0,
     minutes=0, hours=0, weeks=0) 

   在内部，只存储秒、微秒。其他时间单位都转换为秒和微秒。

实例属性（只读）：

• days/seconds/microseconds

实例方法：

• timedelta.total_seconds()：返回总秒数。

2. 时间点 Timestamp

1. 时间点：Timestamp对象从Python的datetime类继承，它表示时间轴上的一个点。

   
   xxxxxxxxxx
     pd.Timestamp(ts_input=<object object at 0x0000000001E8F340>, freq=None, tz=None, 
     unit=None, year=None, month=None, day=None, hour=None, minute=None, 
     second=None, microsecond=None, tzinfo=None, offset=None)

   参数：

   • ts_input：一个datetime-like/str/int/float，该值将被转换成Timestamp
   • freq：一个字符串或者DateOffset，给出了偏移量
   • tz：一个字符串或者pytz.timezone对象，给出了时区
   • unit：一个字符串。当ts_input为整数或者浮点数时，给出了转换单位
   • offset：废弃的，推荐使用freq
   • 其他的参数来自于datetime.datetime。它们要么使用位置参数，要么使用关键字参数，但是不能混用

   

   属性有：

   • year/month/day/hour/minute/second/microsecond/nanosecond，这些属性都为整数
   • tzinfo：时区信息（默认为None），它是一个datetime.tzinfo对象
     
   • dayofweek/dayofyear/days_in_mounth/freqstr/quarter/weekofyear/...
   • value:保存的是UTC时间戳（自UNIX纪元1970年1月1日以来的纳秒数），该值在时区转换过程中保持不变

   

   类方法有：

   • combine(date, time)：通过datetime.date和datetime.time创建一个Timestamp
   • fromtimestamp(ts)：通过时间戳创建一个Timestamp
   • now(tz=None)：创建一个指定时区的当前时间。
   • doday(tz=None)：创建一个指定时区的当前时间。
   • utcfromtimestamp(ts)：从时间戳创建一个UTC Timestamp，其tzinfo=None
   • utcnow()：创建一个当前的UTC Timestamp，其tzinfo=UTC

   

   方法有：

   • .astimezone(tz)/.tz_convert(tz)：将一个tz-aware Timestamp转换时区
   • .isoformat(sep='T')：返回一个ISO 8601格式的字符串。
   • .normalize()：将Timestamp调整到午夜（保留tzinfo）
   • replace(**kwds)：调整对应值，返回一个新对象
   • .to_period(self, freq=None)：返回一个Period对象`
   • .tz_localize(self, tz, ambiguous='raise', errors='raise')：将一个tz-naive Timestamp ，利用tz转换为一个tz-aware Timestamp
   • .to_pydatetime(...)：转换为python datetime对象
   • .to_datetime64(...)：转换为numpy.datetime64对象
   • 从datetime.date/datetime.datetime继承而来的方法

   

   默认情况下，pands中的Timestamp是tz-naive，即tz字段为None。 Timestamp提供了方便的时区转换功能。如果tz非空，则是tz-aware Timestamp。不同时区的时间可以比较，但是naive Timestamp和localized Timestamp无法比较。

   Timestamp的减法，要求两个Timestamp要么都是同一个时区下，要么都是tz-naive的。
   

2. DateOffset对象：是一个表示日期偏移对象。Timestamp加一个日期偏移，结果还是一个Timestamp对象。其声明为：

   
   xxxxxxxxxx
     pd.DateOffset(n=1, normalize=False, **kwds)

   通常我们使用的是其子类（它们位于pandas.tseries.offsets中）：

   • Day：日历日
   • BusinessDay：工作日
     
   • Hour：小时
   • Minute：分钟
   • Second：秒
   • Milli：毫秒
   • Micro：微秒
   • MonthEnd：每月最后一个日历日
   • BusinessMonthEnd：每月最后一个工作日
     
   • MonthBegin：每月第一个日历日
   • BusinessMonthBegin：每月第一个工作日
     
   • Week：每周几

   Day(2)：表示两个工作日。

   DateOffset对象可以加在datetime/Timestamp对象上。如果是MonthEnd这种加上Timestamp，则第一次增量会将原日期向前滚动到符合频率规则的下一个日期。

   • 你可以通过DateOffset.rollforward(time_stamp)、DateOffset.rollback(time_stamp)来显式地将日期向前或者向后滚动

   

3. 利用 str(dt_obj)函数或者datetime.strftime(format_str)方法，可以将datetime对象和Timestamp对象格式化为字符串。而利用datetime.strptime(dt_str,format_str)类方法，可以从字符串中创建日期。其中dt_str为日期字符串，如'2011-11-12'；format_str为格式化字符串，如'%Y-%m-%d'。

   • datetime.strptime是对已知格式进行日期解析的最佳方式。
   • 对于一些常见的日期格式，使用dateutil这个第三方包中的parser.parse(dt_str)，它几乎可以解析所有的日期表示形式。
   • pandas.to_datetime()方法可以解析多种不同的日期表示形式，将字符串转换为日期。对于标准日期格式的解析非常快。如果发现无法解析（如不是一个日期），则返回一个NaT（Not a Time），它是时间戳数据中的NA值。

4. Timedelta对象：表示时间间隔。它等价于datetime.timedelta类。

   
   xxxxxxxxxx
     pd.Timedelta(value=<object object at 0x00000000004BF340>, unit=None, **kwargs)

   参数：

   • value：一个Timedelta对象，或者datetime.timedelta，或者np.timedelta64、或者一个整数，或者一个字符串。指定了时间间隔
   • unit：一个字符串，指明了当输入时整数时，其单位。可以为'D'/'h'/'m'/'s'/'ms'/'us'/'ns'
   • days/seconds/microseconds/nanoseconds：都是数值。给出了某个时间单位下的时间间隔

   方法：

   • to_timedelta64()：返回一个numpy.timedelta64类型（按照纳秒的精度）
   • total_seconds()：返回总的时间间隔，单位秒（精度为纳秒）
   • to_pytimedelta()：返回一个datetime.timedelta对象

   属性：

   • components：返回各成分的命名元组
   • days/seconds/microseconds/nanoseconds：返回各个成分
   • delta：返回总的时常（纳秒计）

   一个时间间隔有天数、秒数等等属性。注意：所有的这些值与对应的单位相乘的和，才是总的时间间隔。

   两个Timestamp相减可以得到时间间隔Timedelta

   DateOffset也一定程度上表示时间间隔，但是DateOffset更侧重于按照某个固定的频率的间隔，比如一天、一个月、一周等。

   

3. 时间段 Period

1. Period表示一个标准的时间段（如某年，某月）。时间段的长短由freq属性决定。

   
   xxxxxxxxxx
     pd.Period(value=None, freq=None, ordinal=None, year=None, month=None, 
     quarter=None, day=None, hour=None, minute=None, second=None)

   参数：

   • value：一个Period对象或者字符串（如'4Q2016'），它表示一个时区段。默认为None
   • freq：一个字符串，表示区间长度。可选的值从下面函数获取：
   • pandas.tseries.frequencies._period_code_map.keys()
   • pandas.tseries.frequencies._period_alias_dictionary()
   • 其他的参数和前面的其他类的构造函数类似。其中quarter表示季度。

   属性：

   • day/dayofweek/dayofyear/hour/minute/quarter/second/ year/week/weekday/weekofyear/year：对应的属性
   • end_time：区间结束的Timestamp。start_time：区间开始的Timestamp
   • freq

   方法：

   • .asfreq(freq,how)：转换为其他区间。其中freq为字符串。how可以为'E'/'end'，表示包含区间结束；'S'/'start'表示包含区间开始。
   • .now(freq)：返回当期日期对应freq下的Period
   • strftime(format)：给出Period的格式化字符串表示
   • to_timestamp(freq,how)：转换为Timestamp。
     

   

2. pands中的频率是由一个基础频率和一个倍数组成。

   • 基础频率通常以一个字符串别名表示，如'M'表示每月，'H'表示每小时。
   • 对于每个基础频率，都有一个DateOffset对象与之对应。如pandas.tseries.offsets中的Hour/Minute。Hour(4)表示日期偏移为 4小时。
   • 倍数为基础频率之前的数字，如'4H'。也可以组合多个频率4H30min

   有些频率描述的时间点并不是均匀间隔的。如'M'就取决于每个月的天数。下面是一些常用的基础频率

   • 'D'：偏移量类型为Day，为每日历日
   • 'B'：偏移量类型为BusinessDay，为每工作日
     
   • 'H'：偏移量类型为Hour，为每小时
   • 'T'或者'min'：偏移量类型为Minute，为每分钟
   • 'S'：偏移量类型为Second，为每秒
   • 'L'或者'ms'：偏移量类型为Milli，为每毫秒
   • 'U'：偏移量类型为Micro，为每微秒
   • 'M'：偏移量类型为MonthEnd，为每月最后一个日历日
   • 'BM'：偏移量类型为BusinessMonthEnd，为每月最后一个工作日
     
   • 'MS'：偏移量类型为MonthBegin，为每月第一个日历日
   • 'BMS'：偏移量类型为BusinessMonthBegin，为每月第一个工作日
     
   • 'W-Mon'...'W-TUE：偏移量类型为Week，为指定星期几(MON/TUE/WED/THU/FRI/SAT/SUN)开始算起，每周
     

3. 调用Timestamp对象的.to_period(freq)方法能将时间点转化为包含该时间点的时间段。

4. Period的.asfreq()方法可以实现时间段的频率转换。

   创建Period时，我们可以传入一个Timestamp的各分量（由year/month...等提供）。创建的Period是包含该时刻，且指定频率。在使用Timestamp.to_period(freq)也是如此。

   给定一个频率的Period，如果转换到更低频的Period，则非常简单：返回指定频率下的包含本Period的那个Period即可。如果想转换到更高频的Period，则由于在本Period下，对应了很多个高频的Period，则返回哪一个，由how参数指定：

   • how=S：返回最开头的那个Period
   • how=E：返回最末尾的那个Period

   而Period.to_timestamp(freq,how)方法中，我们首先进行时间段的频率转换，然后提取该频率的Period开始处的Timestamp

   

5. 如果两个Period对象有相同的频率，则它们的差就是它们之间的单位数量。

4. DatetimeIndex

1. DatetimeIndex是一种索引，它的各个标量值是Timestamp对象，它用numpy的datetime64数据类型以纳秒形式存储时间戳。

   
   xxxxxxxxxx
     pd.DatetimeIndex(data=None, freq=None, start=None, end=None, periods=None,
     copy=False, name=None, tz=None, verify_integrity=True, normalize=False,
     closed=None, ambiguous='raise', dtype=None, **kwargs)

   • data：一个array-like对象，给出了各个时间
   • copy：一个布尔值，如果为True 则拷贝基础数据
   • freq：一个字符串或者DateOffset对象，给出了频率
   • start：一个datetime-like，指定了起始时间。如果data=None，则使用它来生成时间
   • periods：一个整数（大于0），指定生成多少个时间。如果data=None，则使用它来生成时间
   • end：一个datetime-like，指定了结束时间。如果data=None且periods=None，则使用它来生成时间
   • closed：一个字符串或者None。用于指示区间的类型。可以为'left'（左闭右开），'right'（左开右闭），None（左闭右闭）
   • tz： 一个字符串，指定了时区。如果非空，则返回的是localized DatetimeIndex
   • name：指定了Index的名字

   

2. pandas.date_range()函数可以生成指定长度的DatetimeIndex

   
   xxxxxxxxxx
     pandas.date_range(start=None, end=None, periods=None, freq='D', tz=None, 
     normalize=False,name=None, closed=None, **kwargs)

   各参数意义参考DatetimeIndex的构造函数。

3. 对于以DatetimeIndex为索引的Series，我们可以通过指定Timestamp切片来截取指定时间区间的数据（也可以是对应的字符串来指定Timestamp）。注意：这里的Timestamp可以并不是DatetimeIndex的key。

   

4. DatetimeIndex的方法有：（DatetimeIndex继承自Index，因此它有Index的所有方法）

   • indexer_at_time(time, asof=False)：返回指定time的位置
   • indexer_between_time( start_time, end_time, include_start=True, include_end=True)：返回指定的两个时间之间的索引的位置
   • normalize()：将时间调整到午夜
   • to_period( freq=None)：以指定freq转换到PeriodIndex
   • to_perioddelta( freq)：计算不同索引值的Timedelta，然后转换成一个TimedeldaIndex
   • to_pydatetime/tz_convert/tz_localize：对每个时间使用Timestamp对应的方法

   任何Timestamp的属性都可以作用于DatetimeIndex。

5. PeriodIndex

1. 如果将一个Period序列作为索引，则该索引就是PeriodIndex类型。其各位置的值为Period对象。

   
   xxxxxxxxxx
     pd.PeriodIndex(data=None, ordinal=None, freq=None, start=None, end=None,
     periods=None, copy=False, name=None, tz=None, dtype=None, **kwargs)

   • data：一个array-like对象，给出了各个时间段
   • copy：一个布尔值，如果为True 则拷贝基础数据
   • freq：一个字符串或者period对象，给出了频率
   • start：一个period-like，指定了起始时间段。如果data=None，则使用它来生成时间段
   • periods：一个整数（大于0），指定生成多少个时间段。如果data=None，则使用它来生成时间段
   • end：一个period-like，指定了结束时间段。如果data=None且periods=None，则使用它来生成时间段
   • year/month/quarter/day/hour/minute/second：一个整数、array或者Series 。通过它们可以组装出一个Period序列。
   • tz： 一个字符串，指定了时区。如果非空，则返回的是localized DatetimeIndex
   • name：指定了Index的名字

   

2. pandas.period_range()函数可以生成指定长度的PeriodIndex

   
   xxxxxxxxxx
     pd.period_range(start=None, end=None, periods=None, freq='D', name=None)

   参数意义参见PeriodIndex的构造函数。

3. PeriodIndex的方法有：（PeriodIndex继承自Index，因此它有Index的所有方法）

   • asfreq( freq=None, how='E')：转换成另一种频率的时间段
   • to_timestamp(self, freq=None, how='start')：转成DatetimeIndex
   • tz_convert(self, tz)/tz_localize(self, tz, infer_dst=False)：转成对应时区的DatetimeIndex

   任何Period的属性都可以作用于PeriodIndex。

6. resample 和频率转换

1. Series/DataFrame有一个shift()方法用于执行单纯的前移或者后移操作，：

   
   xxxxxxxxxx
     Series/DataFrame.shift(periods=1, freq=None, axis=0) 

   • periods:一个整数（可以为负的），指定移动的数量。对于时间序列，单位由freq指定。
   • freq：一个DateOffset/timedelta或者一个频率字符串。指定移动的单位。注意，如果为PeriodIndex，则freq必须和它匹配。
   • axis：为0/'index'表示沿着0轴移动；为1/'columns'表示沿着1轴移动

   如果为时间序列，则该方法移动并建立一个新的索引，但是Series/DataFrame的值不变。对于非时间序列，则保持索引不变，而移动Series/DataFrame的值。

   本质上，时间序列和非时间序列都是index_i-->value_i转换成index_i+n-->value_i。只是时间序列截取的都是有效值，非时间序列截取了NaN而已。

   

2. 重采样resampling指的是将时间序列从一个频率转换到另一个频率的处理过程。

   • 将高频数据转换到低频数据称作降采样。降采样时，待聚合的数据不必拥有固定的频率，期望的频率（低频的）会自动划分聚合的bin的边界。这些bin将时间序列拆分为多个片段。这些片段都是半开放的，一个数据点只能属于一个片段，所有的片段的并集组成了整个时间帧。在对数据降采样时，只需要考虑两样：
   • 各个区间哪边是闭合的
   • 如何标记各个聚合bin，用区间的开头还是结尾
   • 将低频数据转换到高频数据称作升采样。将数据转换到高频时，就不需要聚合了，而是插值，默认引入缺失值。插值的填充和填充方式与fillna/reindex的一样。
   • 在对时间段Period进行重采样时，升采样稍微麻烦点，因为你必须决定：哪个高频区间代表原区间。就像asfreq一样，convention可以设置为'end'/'start'

   有些重采样并不划分到上述两者之中。比如将W-WED（每周三）转换到W-FRI（每周五）。另外，由于Period是时间区间，所以升采样和降采样的规则就比较严格：

   • 降采样中，目标频率必须包含原频率。如Day->Month，目标频率为每月，原频率为每天。
   • 升采样中，原频率必须包含目标频率。如Day->Hour，目标频率为每小时，原频率为每天。

   如果不满足这些条件，则会引发异常。

3. resample 方法：

   
   xxxxxxxxxx
     Series/DataFrame.resample(rule, how=None, axis=0, fill_method=None, closed=None, 
     label=None, convention='start', kind=None, loffset=None, limit=None, 
     base=0, on=None, level=None)

   • rule：一个字符串，指定了重采样的目标频率

   • axis：为0/'index'表示沿着0轴重采样；为1/'columns'表示沿着1轴重采样

   • closed：一个字符串，指定降采样中，各时间段的哪一端是闭合的。如果为'right'，则是左开右闭区间；如果为'left'，则是左闭右开区间

   • label：在降采样中，如何设置聚合值的标签。可以为'right'/'left'（面元的右边界或者左边界）。如：9:30~9:35这5分钟会被标记为9:30或者9:35

   • how：用于产生聚合值的函数名或者数组函数。可以为'mean'/'ohlc'/np.max等。默认为'mean'，其他常用的有：'first'/'last'/'median'/'ohlc'/'max'/'min'。

     how被废弃了，而是采用.resample().mean()这种方案。

   • convention：当重采样时期时，将低频转换到高频所采用的约定。可以为's'/'start'（用第一个高频）或者'e'/'end'（用最后一个高频）

   • loffset：一个timedelta，用于调整面元（bin）标签。如'-1s'，会将用于将聚合的结果标签调早1秒，从而更容易表示它代表哪个区间。比如12:00:00你就难以判别是哪个区间，而11:59:59就很容易知道它是那个区间。

     你也可以对调用结果对象使用.shift()方法来实现该目的，这样就不必设置loffset了

   • base：一个整数，默认为0.用于聚合过程中，当频率可以整除1D（比如4H）时，第一个完整的分组从哪个元素开始的。如rule='4H'，base=2，则Series[0:1]作为一个分组，Series[2:6]....作为一个分组....

   • on：一个字符串，对于DataFrame，它指定了重采样的列。该列必须是datetime-like

   • level：一个字符串或者整数。对于MultiIndex，该参数指定了被重采样的子索引

   • fill_method：一个字符串，指定升采样时，如何插值。如'ffill'/'bfill'。默认不插值

     该参数被废弃。推荐使用.resample().ffill()这种方案。而limit作为ffill()的参数。

   • limit：一个整数。指定向前或者向后填充时，运行连续填充的最大单元数量

   • kind：一个字符串，指定聚合到时间段Period还是时间戳Timestamp。默认聚合到时间序列的索引类型

   

4. OHLC重采样是计算bin中的四个值：开盘值（第一个值）、收盘值（最后一个值）、最高值（最大值）、最低值（最小值）

5. 另一种降采样的办法是：使用groupby功能。如：

   
   xxxxxxxxxx
     series.groupby(lambda x:x.month).mean()

   如果你想根据年份来聚合，则使用x.year。