pandas .resample（）在某些示例中不起作用。为什么？

Question

问题

• 我希望Pandas .resample()方法的结果具有2个索引级别。正如您可以在以下示例中查看的那样，good_example_df的重采样会产生2级索引。
  
• 当我将index_list的第二个元素从datetime(2020,1,2,12,39,59)更改为datetime(2020,1,3,12,39,59)时，.resample（）方法仅给我一级索引。该示例由bad_example_df给出。这是我不想发生的事情。
  
• 如何像good_example_df一样使.resample()方法的结果始终具有2级索引？
  
• 我问这个问题的原因是我希望重采样方法的结果保持一致。我不希望该方法的结果根据输入而有所不同。

代码示例

import pandas as pd
from datetime import datetime, time

index_list = [datetime(2020,1,2,2,43,59), datetime(2020,1,2,12,39,59),datetime(2020,1,3,21,42,59),
              datetime(2020,1,4,2,53,59), datetime(2020,1,4,19,17,59)]
data_dict = {'return': [1.003, 1.02, 1.06, 1.02, 1.03],
             'stock' : ['AMZN', 'APPL', 'NVDA', 'MSFT', 'AMZN']}

good_example_df = pd.DataFrame(data = data_dict, index = index_list)
good_example_df

>>                    return  stock
2020-01-02  2:43:59   1.003    AMZN
2020-01-02 12:39:59   1.020    APPL
2020-01-03 21:42:59   1.060    NVDA
2020-01-04 02:53:59   1.020    MSFT
2020-01-04 19:17:59   1.030    AMZN

good_example_df.resample("D").apply(lambda x: x[:2])

>>                               return  stock
2020-01-02  2020-01-02 02:43:59   1.003   AMZN
            2020-01-02 12:39:59   1.020   APPL
2020-01-03  2020-01-03 21:42:59   1.060   NVDA
2020-01-04  2020-01-04 02:53:59   1.020   MSFT
            2020-01-04 19:17:59   1.030   AMZN

new_index_list = [datetime(2020,1,2,2,43,59), datetime(2020,1,3,12,39,59),datetime(2020,1,3,21,42,59),
                  datetime(2020,1,4,2,53,59), datetime(2020,1,4,19,17,59)]

bad_example_df = pd.DataFrame(data = data_dict, index = new_index_list)
bad_example_df

>>                    return  stock
2020-01-02  2:43:59   1.003    AMZN
2020-01-03 12:39:59   1.020    APPL
2020-01-03 21:42:59   1.060    NVDA
2020-01-04 02:53:59   1.020    MSFT
2020-01-04 19:17:59   1.030    AMZN

bad_example_df.resample("D").apply(lambda x: x[:2])

>>>                return          stock
2020-01-02         1.003            AMZN
2020-01-03  [1.02, 1.06]    [APPL, NVDA]
2020-01-04  [1.02, 1.03]    [MSFT, AMZN]

Answer 1

您的输出基本上是相同的数据，但是带有附加的索引，其时间四舍五入为天。 如果这是您要实现的目标，请不要使用resample 。 您不需要它，只需重置索引即可：

In[]:
bad_example_df.set_index([bad_example_df.index.floor('D'), bad_example_df.index])

Out[]:
                                return stock
2020-01-02 2020-01-02 02:43:59   1.003  AMZN
2020-01-03 2020-01-03 12:39:59   1.020  APPL
           2020-01-03 21:42:59   1.060  NVDA
2020-01-04 2020-01-04 02:53:59   1.020  MSFT
           2020-01-04 19:17:59   1.030  AMZN

---

OTOH，您的lambda使得您似乎每天都在尝试获取前两个值。如果是这种情况，我认为apply不是您要使用的（大概是resample().apply()迭代的{/ 3}的b / c）。请注意，如果您将第一个日期更改为一月一日，那么您将得到更糟糕的意外结果，输出：

In[]:
third_index_list = [datetime(2020,1,1,2,43,59), datetime(2020,1,2,12,39,59),datetime(2020,1,3,21,42,59),
              datetime(2020,1,4,2,53,59), datetime(2020,1,4,19,17,59)]

terrible_example_df = pd.DataFrame(data = data_dict, index = third_index_list)
terrible_example_df.resample("D").apply(lambda x: x[:2])

Out[]:
                  return         stock
2020-01-01         1.003          AMZN
2020-01-02          1.02          APPL
2020-01-03          1.06          NVDA
2020-01-04  [1.02, 1.03]  [MSFT, AMZN]
#now the dtype is object and lots of operations will fail!

因此，我认为您的good_example_df恰好给出了预期的输出，而您的bad_example_df恰好给出了意外但仍可正常工作的输出，但是这两者都是{{1 }}。 TBH我不明白在每个示例中resample().apply()在做什么。

相反，看起来使用apply和groupby（不同于重采样groupby().apply()！）可以始终如一地为您提供所需的输出（我可以告诉）：

apply

还有TBH，在这里我不明白为什么要创建两个索引，但是它似乎可以工作！