Python 以每月频率重新采样，左标签（月初）

考虑每小时的时间序列，如：

导入numpy
进口大熊猫
数据=numpy.random.random（365*24）
索引=熊猫。日期范围（'2018-01-01'，'2019-01-01'，频率='H'，关闭='左'）
系列=熊猫。系列（数据，索引=索引）

看起来是这样的：

2018-01-01 00:00:00    0.823988
2018-01-01 01:00:00    0.169911
2018-01-01 02:00:00    0.359008
2018-01-01 03:00:00    0.873489
                         ...   
2018-12-31 20:00:00    0.898772
2018-12-31 21:00:00    0.635318
2018-12-31 22:00:00    0.061060
2018-12-31 23:00:00    0.972468
Freq: H, Length: 8760, dtype: float64

我想将此系列重新采样并求和到每月频率：

series.resample（'M'）.sum（）

但是在箱子的左边设置标签/时间戳。因此，不是：

2018-01-31    371.188835
2018-02-28    336.244967
2018-03-31    370.686715
2018-04-30    363.955540
2018-05-31    387.631062
2018-06-30    372.343839
2018-07-31    365.484547
2018-08-31    352.756428
2018-09-30    378.930171
2018-10-31    388.491260
2018-11-30    362.552504
2018-12-31    387.159189
Freq: M, dtype: float64

我想得到：

2018-01-01    371.188835
2018-02-01    336.244967
2018-03-01    370.686715
2018-04-01    363.955540
2018-05-01    387.631062
2018-06-01    372.343839
2018-07-01    365.484547
2018-08-01    352.756428
2018-09-01    378.930171
2018-10-01    388.491260
2018-11-01    362.552504
2018-12-01    387.159189
Freq: M, dtype: float64

我试过：

series.resample（'M'，closed='left'）.sum（）
series.resample（'M'，closed='right'）.sum（）
series.resample（'M'，label='left'）.sum（）
series.resample（'M'，label='right'）.sum（）
series.resample（'M'，closed='left'，label='left'）.sum（）
series.resample（'M'，closed='left'，label='right'）.sum（）
series.resample（'M'，closed='right'，label='left'）.sum（）
series.resample（'M'，closed='right'，label='right'）.sum（）

没有成功

我知道我可以：

series=series.resample（'M'，label='left'）.sum（）
series.index+=pandas.DateOffset（1，'D'）

---

但我觉得应该有更好的方法来做到这一点。

确实有更好的方法。您可以使用

'MS'

规则重新采样：

>series.resample（'MS'）.sum（）
2018-01-01    371.188835
2018-02-01    336.244967
2018-03-01    370.686715
2018-04-01    363.955540
2018-05-01    387.631062
2018-06-01    372.343839
2018-07-01    365.484547
2018-08-01    352.756428
2018-09-01    378.930171
2018-10-01    388.491260
2018-11-01    362.552504
2018-12-01    387.159189
频率：MS，数据类型：float64

---

请参阅。

如果一天不是那么重要，那么使用

周期索引可能会很有用。（不同的种子，因此数字不同）

默认情况下，可以使用
.to\u timestamp

res.index = res.index.to_timestamp()
print(res)

2018-01-01    376.144859
2018-02-01    353.536371
2018-03-01    365.711851
2018-04-01    364.050189
2018-05-01    371.040633
2018-06-01    360.810081
2018-07-01    378.734175
2018-08-01    360.652323
2018-09-01    360.645801
2018-10-01    360.035224
2018-11-01    356.731138
2018-12-01    369.220704
Freq: MS, dtype: float64

不完全是我想要的，但也很有用，谢谢^^
res.index = res.index.to_timestamp()
print(res)

2018-01-01    376.144859
2018-02-01    353.536371
2018-03-01    365.711851
2018-04-01    364.050189
2018-05-01    371.040633
2018-06-01    360.810081
2018-07-01    378.734175
2018-08-01    360.652323
2018-09-01    360.645801
2018-10-01    360.035224
2018-11-01    356.731138
2018-12-01    369.220704
Freq: MS, dtype: float64