7-2 resample重采样复诊

7-2 resample：按频率复诊

本节摘要：resample按新频率把时间索引重新分组——降采样把高频压成低频（日到月），升采样把低频铺成高频（月到日）。本节核心：聚合口径决定指标含义，月的sum是总额、月的mean是日均水平，两者是完全不同的诊断结论。

随访档案建好（7-1），复诊开始。日销售额三千行没人看，管理层要月报。把日粒度重新编排成月粒度，就是重采样的降采样。

降采样：日到月

import pandas as pd

idx = pd.date_range('2024-01-01', periods=90, freq='D')
daily = pd.Series(range(1000, 1000 + 90 * 10, 10), index=idx)

# 降采样到月：sum口径 = 月总额
monthly_sum = daily.resample('MS').sum()
print(monthly_sum)
# 2024-01-01     70350
# 2024-02-01    118860
# 2024-03-01     52200
# Freq: MS, Name: ..., dtype: int64

# mean口径 = 月内日均
monthly_mean = daily.resample('MS').mean()
print(monthly_mean.round(1))
# 2024-01-01    1205.0
# 2024-02-01    1440.0
# 2024-03-01    1740.0
​

sum与mean的差距就是口径的差距：总额看规模，日均看水平。一月31天总额最高，可能只是因为天数多——只看总额会被日历骗，只看日均会被大单骗，会诊报告两个都要。这本质上是5-1的GroupBy套了一层时间频率外衣，agg的四种输出形态在这里同样适用。

常用频率速查

MS与M的区别要留心：MS标在月初（1月1日），M标在月末（1月31日）。月报标签想对齐月初就MS，与财务对账用M。

升采样：铺格子与填格子

# 季度数据铺成月度格子
quarterly = pd.Series([3000, 3600], index=pd.to_datetime(['2024-01-01', '2024-04-01']))
monthly_grid = quarterly.resample('MS').asfreq()
print(monthly_grid)
# 2024-01-01    3000.0
# 2024-02-01       NaN   ← 铺出来的空格子
# 2024-03-01       NaN
# 2024-04-01    3600.0

# 三种填法：前值填充、插值、置零
print(monthly_grid.ffill().head(3))
# 2024-01-01    3000.0
# 2024-02-01    3000.0   ← 沿用上季
# 2024-03-01    3000.0
print(monthly_grid.interpolate().head(3))
# 2024-01-01    3000.0
# 2024-02-01    3200.0   ← 线性爬坡
# 2024-03-01    3400.0
​

升采样制造缺失，填法的选择就是3-1补值策略的时间版：存量指标（库存、费率）用ffill，流量指标（销售额、访问量）绝不ffill——上季的销售额不能算到二头上，流量插值或干脆保持NaN。

⚠️ 常见坑：流量类数据升采样后ffill，等于把季度总额复制成三个月的"月总额"，年报一汇总变四倍。判断标准就一条：这个指标是存量还是流量。

OHLC与多列复诊

# 财经式复诊：开高低收
print(daily.resample('MS').ohlc()['open'])
# 2024-01-01    1000
# 2024-02-01    1310
# 2024-03-01    1590

# 多列表的复诊：金额求和、门店数取均值——agg字典口径
df = pd.DataFrame({
    '金额': daily.values, '笔数': [i % 5 + 1 for i in range(90)],
}, index=idx)
report = df.resample('MS').agg({'金额': 'sum', '笔数': 'mean'})
print(report.round(1))
#              金额   笔数
# 2024-01-01  70350   3.0
# 2024-02-01 118860   3.0
# 2024-03-01  52200   3.1
​

复诊的口径选择

降采样与升采样的处置路径

本节要点回顾

• resample是按频率的分组，GroupBy的一切知识平移适用
• 口径即含义：sum看规模、mean看水平，报告建议双指标
• MS与M的标签差异：月报对齐月初、财务对账用月末
• 升采样先asfreq造格再填，存量ffill、流量不ffill
• agg字典让不同列各用各的口径

追问：resample和groupby按月份分有什么不一样

时间索引既能resample('MS')也能groupby(index.month)，结果看起来都是月度数，差在哪？三处：resample的输出仍是时间索引（可以继续rolling、可以按时间切片），groupby月份输出的是普通分类索引；resample跨年自然区分（2023年1月与2024年1月是两期），groupby月份会把两年的一月并到一组，跨年数据直接踩坑；resample的频率体系（MS、W、Q）开箱即用，groupby要自己拼。经验法则：数据有时间索引就用resample，按非时间维度分组才用groupby，两者还能嵌套（每月内再按门店分组），那已是报表管线的标准姿势。

# 跨年陷阱演示：groupby月份合并了两年的一月
two_years = pd.Series([10, 20], index=pd.to_datetime(['2023-01-05', '2024-01-05']))
print(two_years.groupby(two_years.index.month).sum())
# 1    30   ← 两年的一月被并成一组
print(two_years.resample('MS').sum())
# 2023-01-01    10
# 2024-01-01    20   ← resample分得清年份
​

下一节给复诊数据配上持续监护：rolling移动窗口。