resample
语法
resample(X, rule, func, [closed], [label], [origin=’start_day’])
参数
X 是一个有时间类型索引的矩阵（indexed matrix）或序列（indexed series）。
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 |
New in version 1.30.21: 交易日历
rule 上述字符串亦可配合使用数字，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，例如：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。
func 一个聚合函数。
New in version 1.30.18: 参数 closed, label, origin
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’。
1.30.18 版本，当 rule 的精度为天以上时，不支持使用默认值以外的选项。
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’。
1.30.18 版本，当 rule 的精度为天以上时，不支持使用默认值以外的选项。
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）。
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。
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 |