在 pandas.Grouper() 中，freq 参数用于指定时间频率，它定义了如何对时间序列数据进行分组。freq 的值可以是多种时间单位，具体包括以下几类：
常见的时间频率 (freq) 取值：
1. 日频率（Daily）
'D'：按天分组。
2. 周频率（Weekly）
'W'：按周分组，默认从星期天开始。'W-MON','W-TUE', …,'W-SUN'：按周分组，指定周的起始日期（比如'W-MON'表示从周一开始的周）。
3. 月频率（Monthly）
'M'：按月分组，通常指从每月的最后一天开始。'MS'：按月开始分组，即从每月的第一天开始。'B'：按工作日（月内的工作日）分组。
4. 季节频率（Quarterly）
'Q'：按季度分组，通常指每年四个季度的最后一天。'QS'：按季度开始分组，即从每个季度的第一天开始。'Q-JAN','Q-FEB', …,'Q-DEC'：按指定的季度开始时间分组。
5. 年频率（Yearly）
'A'或'Y'：按年分组，通常指每年的最后一天。'AS'或'YS'：按年开始分组，即从每年的第一天开始。'A-JAN','A-FEB', …,'A-DEC'：按指定月份开始的年度分组。
6. 小时、分钟、秒（Hourly, Minute, Second）
'H'：按小时分组。'T'或'min'：按分钟分组。'S'：按秒分组。'L'或'ms'：按毫秒分组。'U'或'us'：按微秒分组。
7. 自定义频率（Custom Frequencies）
'B'：按工作日分组（排除周末）。'CB'：按日历工作日分组（排除周六和周日，包含假期）。'WOM-1MON'、'WOM-2MON'：按周的某个位置分组（例如第一个周一，第二个周一等）。
8. 其他一些特殊频率（Extra Frequencies）
'BM'：按工作日的月度频率分组。'CBM'：按日历工作日的月度频率分组。'MS'：按月的开始日分组。'Q-JAN'：按季度的开始月份分组。
举例：
import pandas as pd# 创建一个时间序列数据
data = {'date': pd.date_range('2023-01-01', periods=10, freq='D'),'value': [10, 20, 30, 40, 50, 60, 70, 80, 90, 100]
}
df = pd.DataFrame(data)# 按月分组（freq='M'）
monthly_group = df.groupby(pd.Grouper(key='date', freq='M')).sum()
print(monthly_group)# 按季度分组（freq='Q'）
quarterly_group = df.groupby(pd.Grouper(key='date', freq='Q')).sum()
print(quarterly_group)# 按年分组（freq='A'）
yearly_group = df.groupby(pd.Grouper(key='date', freq='A')).sum()
print(yearly_group)# 按周分组（freq='W'）
weekly_group = df.groupby(pd.Grouper(key='date', freq='W')).sum()
print(weekly_group)# 按小时分组（freq='H'）
hourly_group = df.groupby(pd.Grouper(key='date', freq='H')).sum()
print(hourly_group)
常用频率总结：
freq | 描述 |
|---|---|
'D' | 按天分组 |
'W' | 按周分组 |
'M' | 按月分组 |
'Q' | 按季度分组 |
'A' | 按年分组 |
'H' | 按小时分组 |
'T' 或 'min' | 按分钟分组 |
'S' | 按秒分组 |
'B' | 按工作日分组 |
'CB' | 按日历工作日分组 |
'MS' | 按月的第一天分组 |
'QS' | 按季度的第一天分组 |
'A-JAN' | 每年从1月开始 |
'Q-JAN' | 按每年的1月季度开始分组 |
选择频率时的注意点：
freq参数适用于时间数据列（datetime64类型），因此输入的数据必须是时间序列数据。- 可以通过
pd.date_range()创建包含时间戳的 DataFrame，并用不同的freq值来演示不同的分组方式。
通过这些不同的频率，你可以轻松地对时间序列数据进行按天、周、月、季度、年等不同粒度的聚合和分析，帮助在实际项目中进行更精细的数据分析。
-h和ref)
