Pandas 时间序列重采样：均值与最大值高效计算方法

本文揭秘了Pandas中高效处理时间序列数据的核心技巧——利用`resample().agg()`在单次重采样操作中同步计算均值、最大值等多种统计量，彻底避免重复计算带来的性能损耗与代码冗余；通过清晰示例和实用注意事项，手把手教你如何为不同列灵活指定多个聚合函数、展平结果列名，并适配金融、物联网等高频场景，让时间聚合既简洁精准又快如闪电。

本文介绍如何使用 Pandes 的 `resample().agg()` 方法，在单次操作中对时间序列数据按日（或其他频率）同时计算多个统计量（如均值和最大值），避免重复重采样，提升代码简洁性与执行效率。

在处理金融、物联网或传感器等高频时间序列数据时，常需按固定周期（如每日、每小时）聚合多种统计指标。例如，既需要每日价格与成交量的平均值，又需其当日最高值——若分别调用 .mean() 和 .max()，不仅代码冗余，还会触发两次独立的重采样计算，降低性能。

Pandas 提供了灵活且高效的解决方案：resample().agg() 支持为不同列指定不同的聚合函数，甚至为同一列应用多个函数。核心语法如下：

df.resample('1D').agg({
    'price': ['mean', 'max'],
    'vol':   ['mean', 'max']
})

该调用将返回一个具有 MultiIndex 列名的 DataFrame（如 ('price', 'mean')），为提升可读性与下游兼容性，建议重命名列：

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    'price': [56, 70, 92, 94, 81, 70, 56, 68, 59, 86],
    'vol':   [1544, 1680, 1853, 1039, 1180, 1443, 1621, 1093, 1684, 1591]
}, index=pd.to_datetime([
    '2017-01-01 08:00:00', '2017-01-01 11:00:00', '2017-01-01 14:00:00',
    '2017-01-02 08:00:00', '2017-01-02 11:00:00', '2017-01-02 14:00:00',
    '2017-01-03 08:00:00', '2017-01-03 11:00:00', '2017-01-03 14:00:00',
    '2017-01-04 08:00:00'
]))

# 单步完成多指标重采样
result = df.resample('1D').agg({
    'price': ['mean', 'max'],
    'vol':   ['mean', 'max']
})

# 展平列名，匹配预期输出格式
result.columns = ['price_mean', 'price_max', 'vol_mean', 'vol_max']
print(result)

输出结果为标准扁平化 DataFrame：

            price_mean  price_max     vol_mean  vol_max
2017-01-01   72.666667         92  1692.333333     1853
2017-01-02   81.666667         94  1220.666667     1443
2017-01-03   61.000000         68  1466.000000     1684
2017-01-04   86.000000         86  1591.000000     1591

注意事项：

• 确保原始 DataFrame 的索引为 DatetimeIndex，否则 resample() 将报错；可使用 df.index = pd.to_datetime(df.index) 转换；
• 频率字符串（如 '1D'）支持多种单位（'D', 'H', 'M', 'W' 等），注意大小写敏感；
• 若需自定义函数（如带参数的 np.quantile），可传入 lambda 或命名函数，例如 'price': lambda x: x.quantile(0.95)；
• 对于大规模数据，agg() 的向量化实现比循环调用 .mean()/.max() 性能更优，且逻辑更清晰、不易出错。

综上，resample().agg() 是 Pandas 时间序列分析中实现多指标聚合的推荐范式，兼顾表达力、可维护性与运行效率。

理论要掌握，实操不能落！以上关于《Pandas 时间序列重采样：均值与最大值高效计算方法》的详细介绍，大家都掌握了吧！如果想要继续提升自己的能力，那么就来关注golang学习网公众号吧！