Agrégation pratique de séries chronologiques avec TimeGrouper de pandas

Pour rappel car il n'y avait aucune information sur TimeGrouper comme l'extension de GroupBy dans les pandas. Veuillez me faire savoir s'il existe une méthode standard plus de facto!

Exemple: utile lorsque vous souhaitez agréger dans une période spécifique

Exemple

• Agréger tous les 6 mois à partir de données avec des valeurs mensuelles
• Agrégation mensuelle à partir de données avec des valeurs quotidiennes
• Agréger quotidiennement à partir des données contenant des enregistrements de transaction avec des horodatages

Dépassement de pile associé

• How to groupby time series by 10 minutes using pandas? [1]

• timegrouper-pandas

Exemple 1: agréger tous les 6 mois à partir de données avec des valeurs mensuelles (à partir de [1])

ts = pd.date_range('7/1/2008', periods=30, freq='MS') 
df = pd.DataFrame(pd.Series(range(len(ts)), index=ts))
df[0] += 1
df # 2008/7/Créer des trames de données mensuelles à partir de 1

df2 = pd.DataFrame([0], index = [df.index.shift(-1, freq='MS')[0]])
df2

df2 peut être agrégé tous les 6 mois

df2.append(df).groupby(pd.TimeGrouper(freq='6M')).aggregate(np.sum)[1:] 

Exemple 2: agréger quotidiennement des données contenant des enregistrements de transaction avec des horodatages

rng = pd.date_range(start = '2014-01-01',periods = 100, freq='H')
df_original = pd.DataFrame({'Volume' : np.random.randint(100,2000,len(rng))}, index=rng)
df_original

Out[148]: 
	Volume
2014-01-01 00:00:00	1484
2014-01-01 01:00:00	1635
2014-01-01 02:00:00	984
2014-01-01 03:00:00	1239
2014-01-01 04:00:00	785
2014-01-01 05:00:00	871
2014-01-01 06:00:00	614
2014-01-01 07:00:00	119
2014-01-01 08:00:00	933
2014-01-01 09:00:00	624
...	...
2014-01-04 19:00:00	1832
2014-01-04 20:00:00	1996
2014-01-04 21:00:00	1040
2014-01-04 22:00:00	1867
2014-01-04 23:00:00	1098
2014-01-05 00:00:00	1397
2014-01-05 01:00:00	1996
2014-01-05 02:00:00	610
2014-01-05 03:00:00	1242
100 rows × 1 columns

df_tmp = pd.DataFrame({'Volume':[0]}, index = [df_original.index.shift(-1, freq='D')[0]])
df_daily=df_tmp.append(df_original).groupby(pd.TimeGrouper(freq='D')).aggregate(np.sum)[1:] 
df_daily

P.S Je veux intégrer jupyter dans Qiita