如何在"熊猫""系列"中做"weighted upsampling"？

Question

我在python中有一个函数，用于在上采样时分配值。例如，为了将我的车从每月行驶的距离增加到每天行驶的距离：

def distribute(df, freq:str):
# if there's an easier way please do comment
df_new = df.resample(freq).asfreq().fillna(0)
return df_new.groupby(pd.Grouper(freq=df.index.freq)).transform(np.mean)
import pandas as pd
import numpy as np
distances = pd.Series([300, 300], pd.period_range('2020-02', freq='M', periods=2))
distribute(distances, 'D')

2020-02-01    10.344828
2020-02-02    10.344828
2020-02-03    10.344828
2020-02-04    10.344828
...                 ...
2020-03-28     9.677419
2020-03-29     9.677419
2020-03-30     9.677419
2020-03-31     9.677419
Freq: D, dtype: float64

函数将每个月的值平均除以该月的天数，这将导致2020-02值除以29，2020-03值除以31，在这种情况下，根据需要。

---

然而，当上采样到周期具有非均匀持续时间的频率时，这会给我带来不想要的结果。具有此属性的两种情况：

1. 年环比：

distances2 = pd.Series([366], pd.PeriodIndex(['2020'], freq='Y'))
distribute(distances2, 'M')

2020-01    30.5
2020-02    30.5
...         ...
2020-11    30.5
2020-12    30.5
Freq: M, dtype: float64

我想要的是将一年的价值除以几个月，每个月都会收到与其持续时间成比例的分数。即，我希望年份值在几个月内拆分为31/366 * x、29/366 * x等：

2020-01    31
2020-02    29
...
2020-11    30
2020-12    31
Freq: M, dtype: float64

有办法做到这一点吗

2. 夏令时

第二种情况是在DST转换中，它实际上已经在我的初始示例中显示了。2020-03-29比我所在时区的其他三月天短1小时，因此它实际上应该比其他日子收到的三月值的一小部分。

尽管这与情况1是同一类问题，但我怀疑它将更难解决。

---

EDIT：我找到了解决情况1的方法，但没有解决情况2；请看我在这个问题下面的回答。帮助仍然感谢改进我的回答，也包括第二种情况。

---

如果我们找到一种稳健的方法来做到这一点，并且有点细致，那么我可能会请求它(或者尝试通过pull请求自己添加它(，因为它似乎是一个很好的添加。因此，除了.ffill()、sum()、.mean()等方法之外，扩展PeriodIndexResamplerapi以允许具有此功能的.distribute()方法。

Answer 1

作为部分的答案，为了解决问题1，我发现我可以首先向上采样到具有统一持续时间的较高频率周期，例如"D"，然后向下采样到所需频率：

def distribute(df, freq:str):
# now it's really wild
df_D = df.resample('D').asfreq().fillna(0)
df_D_spread = df_D.groupby(pd.Grouper(freq=df.index.freq)).transform(np.mean)
return df_D_spread.groupby(pd.Grouper(freq=freq)).sum()
distances2 = pd.Series([366], pd.PeriodIndex(['2020'], freq='Y'))
distribute(distances2, 'M')

2020-01    31.0
2020-02    29.0
...         ...
2020-11    30.0
2020-12    31.0
Freq: M, dtype: float64

然而/备注：

• 这本书很复杂，很难阅读。而且还浪费了大量的内存空间，将一年扩展到366或365行。一定有更好的方法吗？

• 它没有解决第二个问题
  事实上，我选择了'D'而不是'H'，因为时段不支持时区。事实上，并非所有的日子都是等长的，每当我们找到包含这一事实的方法时，我们可能需要更改代码以将采样提升到'H'(对于分数时区，甚至是'15T'(。