[Pandas] resample

정의

resample(rule) 는 시계열 데이터를 다른 빈도 (월별, 일별, 시간별 등) 로 재샘플링하면서 집계한다. Pandas groupby 의 시계열 버전.

DatetimeIndex (또는 on= 으로 datetime 컬럼) 이 필수.

시각화

기본

df.resample('D').sum()        # 일별 합
df.resample('W').mean()        # 주별 평균
df.resample('ME').sum()        # 월말 (Month End)
df.resample('h').mean()        # 시간별 평균

import pandas as pd
import numpy as np
idx = pd.date_range('2024-01-01', periods=10, freq='D')
df = pd.DataFrame({'sales': [10,15,12,18,20,25,22,30,28,35]}, index=idx)
print(df.resample('3D').sum())

            sales
2024-01-01     37
2024-01-04     63
2024-01-07     80
2024-01-10     35

빈도 (frequency) 문법

upsampling (간격 축소 + interpolate)

df.resample('h').ffill()              # 시간별 → 분 단위 forward fill
df.resample('h').interpolate()        # 선형 보간

downsampling (집계 함수)

df.resample('W').agg({
    'sales': ['sum', 'mean'],
    'orders': 'count',
})

label / closed

df.resample('W', closed='right', label='right')
# 'right' 라벨: 주의 마지막 날 (일요일) 이 결과 index
# 'left' 라벨: 주의 첫 날

• closed: 구간의 닫힌 쪽 (포함 여부)
• label: 결과 index 의 위치

origin (시작 기준)

df.resample('5min', origin='start_day')
# 매일 0시부터 5분 단위

자주 쓰는 패턴

일별 → 월별 매출

monthly = df.resample('ME', on='date')['amount'].sum()

분 단위 → 시간 단위 평균

hourly = df.resample('h').mean()

영업일 기준 (주말 제외)

df.resample('B').agg({'price': 'last'})

asfreq vs resample

# asfreq: 단순 재인덱싱, 집계 없음
df.asfreq('h', fill_value=0)

# resample: 집계 동반
df.resample('h').sum()

함정

1. DatetimeIndex 필수

df.resample('D')   # TypeError if not DatetimeIndex
df.resample('D', on='date')   # 특정 datetime 컬럼 사용

2. NaN 발생

# 데이터가 없는 기간은 NaN
df.resample('h').sum()
# 일부 시간은 0 이 아닌 NaN (구분: 데이터가 없음 vs 합이 0)

fill_value=0 또는 .fillna(0).

3. timezone 영향

# tz-aware index 에서 'D' 는 자정 기준 (해당 timezone 의)
df.tz_convert('UTC').resample('D').sum()

참고

• Pandas dt accessor
• Pandas to_datetime
• Pandas date_range
• Pandas rolling