如何让Pandas按(3-4月、5-6月)规则进行双月重采样？

我有如下每日时间序列数据：

1983-03-30    0.001224
1983-03-31   -0.003741
1983-04-04    0.005121
1983-04-05    0.009171
1983-04-06    0.006395
1983-04-07    0.009030
1983-04-08    0.006961
1983-04-11   -0.003950
1983-04-12    0.018837
1983-04-13   -0.000324
          ...

尝试用双月频率重采样：

s.resample('2ME').agg('last')  # 旧版Pandas请使用'2M'

得到的结果是：

1983-03-31   -0.003741
1983-05-31    0.001987
1983-07-31    0.005657
1983-09-30   -0.007843
1983-11-30   -0.005444
1984-01-31    0.003011
1984-03-31   -0.000324
1984-05-31    0.000649
1984-07-31   -0.001447
1984-09-30    0.002705

但我想要按**(3-4月)、(5-6月)、(7-8月)**这样的规则分组，最终时间戳应为：

1983-04-30
1983-06-30
1983-08-31

可通过以下代码复现场景：

import pandas as pd
import numpy as np

index = pd.date_range(start='1983-03-28', end='1984-01-01', freq='B')
s = pd.Series(data=np.random.randn(len(index)), index=index)

请问如何实现按偶数月末分组，避免3月单独成组、4-5月为一组的情况？

解决方案 #

方法1：通过偏移量调整重采样起始点 #

Pandas的resample默认从1月开始按双月划分，我们可以用offset参数调整起始偏移，让分组从2月末开始，这样3-4月会被归为一组，最终时间戳落在偶数月末：

# 偏移1个月，让双月周期从3月开始，结束于4月末
s.resample('2ME', offset='1M').agg('last')

原理：offset='1M'把默认的起始点（1月）往后偏移1个月，第一个双月周期变为3-4月，结束于4月末，后续依次是5-6月（结束于6月末）、7-8月（结束于8月末），完全匹配需求。

方法2：手动构造分组标签（灵活自定义） #

如果偏移量方式不适用，也可以手动计算每个日期的分组标签，再用groupby聚合：

def get_bimonthly_label(date):
    # 奇数月（3、5、7...）归属到下一个偶数月末；偶数月归属到当前月末
    if date.month % 2 == 1:
        target_month = date.month + 1
        return pd.Timestamp(year=date.year, month=target_month, day=1) - pd.Timedelta(days=1)
    else:
        return pd.Timestamp(year=date.year, month=date.month, day=1) - pd.Timedelta(days=1) + pd.DateOffset(months=1)

# 按标签分组并取每组最后一个值
s.groupby(get_bimonthly_label).last()

这个方法适合需要更复杂自定义分组规则的场景。

验证结果 #

用复现代码测试上述方法，得到的结果时间戳会是：

1983-04-30    xxxxxxxx
1983-06-30    xxxxxxxx
1983-08-31    xxxxxxxx
1983-10-31    xxxxxxxx
1983-12-31    xxxxxxxx

完全符合预期的分组规则。

内容的提问来源于stack exchange，提问作者s5s