resample

语法

resample(X, rule, func, [closed], [label], [origin='start_day'])

详情

依照指定时间频率（或交易日历），对给定数据使用给定函数。注意，rule 指定为交易日历标识时，对于非交易日的数据，将并入上一个交易日计算。

参数

X 是一个带有行标签的矩阵或序列（indexed series）。行标签要求为时间类型，不得含有空值，且必须保持递增。

rule 是一个字符串，可取以下值：

rule 参数取值 对应 DolphinDB 函数
"B" businessDay
"W" weekEnd
"WOM" weekOfMonth
"LWOM" lastWeekOfMonth
"M" monthEnd
"MS" monthBegin
"BM" businessMonthEnd
"BMS" businessMonthBegin
"SM" semiMonthEnd
"SMS" semiMonthBegin
"Q" quarterEnd
"QS" quarterBegin
"BQ" businessQuarterEnd
"BQS" businessQuarterBegin
"REQ" fy5253Quarter
"A" yearEnd
"AS" yearBegin
"BA" businessYearEnd
"BAS" businessYearBegin
"RE" fy5253
"D" date
"H" hourOfDay
"U" microsecond
"L" millisecond
"min" minuteOfHour
"N" nanosecond
"S" secondOfMinute

上述字符串亦可配合使用数字（必须为正整数），例如 "2M" 表示频率为每两个月月末。此外，rule 也可以是交易日历标识（国外交易所的 ISO Code、国内交易所简称或自定义交易日历名称），以便基于交易日历进行计算。交易日历也可以配合使用数字，表示多个交易日，此时只能指定由4个大写字母组成的交易日历标识。例如：“2XSHG”，表示上海证券交易所每两个交易日。

func 一个聚合函数。

closed 字符串，表示分组区间哪一个边界是闭合的。

  • rule 为 'M', 'A', 'Q', 'BM', 'BA', 'BQ' 和 'W' 时，closed 的默认取值为 'right' ，否则，closed 的默认取值为 'left'。

  • origin 取 'end' 或者 'end_day' 时，closed 的默认值为 'right'。

label 字符串，表示将分组区间的哪一个边界作为 label 输出。

  • rule 为 'M', 'A', 'Q', 'BM', 'BA', 'BQ' 和 'W' 时，label 的默认取值为 'right' ，否则，label 的默认取值为 'left'。

  • origin 取 'end' 或者 'end_day' 时，label 的默认值为 'right'。

origin 字符串或与 X 具有相同时间类型的标量，表示基于时间戳调整分组。origin 的取值为 'epoch', start', 'start_day', 'end', 'end_day' 或自定义的时间对象，默认值为 'start_day'。

  • 'epoch'：分组起始点为1970-01-01。

  • 'start'：分组起始点为时间序列的第一个值。

  • 'start_day'：分组起始点是时间序列的第一个值对应日期的午夜零点。

  • 'end'：分组起始点是时间序列的最后一个时间戳。

  • 'end_day'：分组起始点是时间序列的最后一个时间戳对应日期的午夜24点（即下一日的零点）。

例子

index = [2000.01.01, 2000.01.31, 2000.02.15, 2000.02.20, 2000.03.12, 2000.04.16, 2000.05.06, 2000.08.30]
s = indexedSeries(index, 1..8)
s.resample("M", sum);
col1
2000.01.31 3
2000.02.29 7
2000.03.31 5
2000.04.30 6
2000.05.31 7
2000.06.30
2000.07.31
2000.08.31 8 
s.resample("2M", last);
col1
2000.01.31 2
2000.03.31 5
2000.05.31 7
2000.07.31
2000.09.30 8 
index = temporalAdd(2022.01.01 00:00:00,1..8,`m)
s = indexedSeries(index, 1..8)
s.resample(rule=`3min, func=sum);
label col1
2022.01.01T00:00:00 3
2022.01.01T00:03:00 12
2022.01.01T00:06:00 21 
s.resample(rule=`3min, func=sum, closed=`right);
label col1
2022.01.01T00:00:00 6
2022.01.01T00:03:00 15
2022.01.01T00:06:00 15 
s.resample(rule=`3min, func=sum, closed=`left,origin=`end);
label col1
2022.01.01T00:02:00 1
2022.01.01T00:05:00 9
2022.01.01T00:08:00 18
2022.01.01T00:11:00 8 
s.resample(rule=`3min, func=sum,origin=2022.10.01 00:00:10)
label col1
2022.01.01T00:00:10 6
2022.01.01T00:03:10 15
2022.01.01T00:06:10 15 
m = matrix(1..5, 1..5)
index = temporalAdd(2000.01.01, [1, 1, 2, 2, 3], "d")
m.rename!(index, `A`B);
m.resample(rule=`D, func=sum);
label A B
2000.01.02 3 3
2000.01.03 7 7
2000.01.04 5 5