熊猫，.resample('B')的意外行为

Question

我从一个月的系列开始，加盖了这个月底的时间戳.我想通过填写远期价值来提高他们的日常工作频率(星期一至星期五)。我希望有两个条件是正确的：

1. 如果是原始时间序列中的一个周末，就不要丢失重采样的值。
2. 始终向前填写:如果原系列中的EOM日期是星期六，我希望这个观察结果在下星期一出现在每日系列中。

虽然不优雅，但我得出的结论是，最安全的方法是：

    daily_series = monthly_series.resample(rule='D').ffill().resample(rule='B',how='first')

现在，意外的情况是：

    dates = ['1953-02-28', '1953-03-31', '1953-04-30', '1953-05-31']
    # '1953-02-28' was a Saturday

    values = [1,2,3,4]
    monthly_ts  = pd.Series(values, index = dates)

    monthly_ts
    Out[74]: 
    1953-02-28    1
    1953-03-31    2
    1953-04-30    3
    1953-05-31    4
    dtype: int64

    daily_ts = monthly_ts.resample(rule='D').ffill().resample(rule='B',how='first')

     Out[77]: 
     1953-02-27    1           # Why do I have this observation?
     1953-03-02    1
     1953-03-03    1
     1953-03-04    1

星期六的观测是在星期五重新取样时使用的。这发生在.resample之后(规则= 'B')

请你向我解释一下为什么会发生这种情况，以及如何防止这种情况发生？

Answer 1

这种行为方式发生的原因是让抽样周期过短。间隔中的工作日数量小于日历日。这就是为什么星期五和星期一被加入到周六和周日，并代表为一个单一的单位。周六和周日的值用于“如何”和“关闭”参数的下采样。

dates = ['1953-02-28', '1953-03-31', '1953-04-30', '1953-05-31']
values = [1,2,3,4]
monthly_ts  = pd.Series(values, index = pd.to_datetime(dates))

首先向上样至日历日

calendar_daily_ts = monthly_ts.resample(rule='D').ffill()

让我们来看看最后三张唱片

In[8]: calendar_daily_ts[-3:]
Out[8]: 
1953-05-29    3
1953-05-30    3
1953-05-31    4
Freq: D, dtype: int64

如果我们将样本降到平均和结束为‘左’的工作日，最后的值将是3.33333。

In [15]: calendar_daily_ts.resample(rule='B', closed='left').mean()[-2:]
Out[15]: 
1953-05-28    3.000000
1953-05-29    3.333333
Freq: B, dtype: float64

星期五的数值(1953-05-29)是按星期五、星期六和星期日(3 +3+ 4) /3的平均值计算的。

如果我们将样本降到平均和封闭的工作日=“对”，最后的值将是3.5

In [16]: calendar_daily_ts.resample(rule='B', closed='right').mean()[-2:]
Out[16]: 
1953-05-28    3.0
1953-05-29    3.5
Freq: B, dtype: float64

星期五的数值(1953-05-29)按星期六、星期日和下星期一(3 +4+ 0) /2的平均值计算。

这没有星期五的价值。

所以你问题中的观察之所以出现，是因为1953-02-28 (星期六)下采样期包括1953-02-27、1953-02-28、1953-03-01和1953-03-02。默认情况下，间隔为左- (1953-02-27,1953-02-28,1953-03-01)。你得到了第一个- 1953-02-27

还有一个有趣的例子

In [45]: calendar_daily_ts[:4]
Out[45]: 
1953-02-27    1
1953-02-28    2
1953-03-01    3
1953-03-02    4
dtype: int64

In [47]: calendar_daily_ts.resample(rule='B', closed='left').first()[:4]
Out[47]: 
1953-02-27    1
1953-03-02    4
1953-03-03    1
1953-03-04    1
Freq: B, dtype: int64

In [48]: calendar_daily_ts.resample(rule='B', closed='right').first()[:4]
Out[48]: 
1953-02-26    1
1953-02-27    2
1953-03-02    1
1953-03-03    1
Freq: B, dtype: int64

(1953-02-26，值1)