リサンプリング

頻度を変える

データが必要な頻度で届くことはまれです。ティックはミリ秒単位で届き、モデルは日足を、レポートは月次を求めます。リサンプリングは時系列を新しい期間に再編成します。細かい頻度から粗い頻度へ（日次から月次）はダウンサンプリングで、新しい期間に複数の古い観測が入るため、まとめ方を指定する必要があります。粗い頻度から細かい頻度へ（週次から日次）はアップサンプリングで、データのない新しい期間ができるため、何を入れるかを指定する必要があります。

import pandas as pd

daily = pd.Series(
    [100.0, 101, 103, 102, 104, 105, 103, 106],
    index=pd.bdate_range("2026-02-25", periods=8),    # Wed 25 Feb ... Fri 6 Mar
    name="close",
)

print(daily.resample("ME").last())     # the last price of each month ("ME" = month end)
# 2026-02-28    103.0
# 2026-03-31    106.0
# Freq: ME, Name: close, dtype: float64

print(daily.resample("W-FRI").last())  # the last price of each week, weeks ending on Friday
# 2026-02-27    103.0
# 2026-03-06    106.0
# Freq: W-FRI, Name: close, dtype: float64

集計方法を選ぶ

series.resample("ME") だけでは何も起きません。期間を記述しているだけです。続く集計が値を決めるので、データの意味に合うものを選びます。価格はスナップショットなので、月は last（または first）の値で表します。出来高は取引量なので、月は sum です。値幅には max と min を使います。ラベルはルールに従い、"ME" は月を暦の最終日（土曜日でも）で、"W-FRI" は週をその金曜日で表します。

volume = pd.Series([10, 20, 30, 40, 50, 60, 70, 80], index=daily.index)

print(volume.resample("ME").sum().to_dict())
# {Timestamp('2026-02-28 00:00:00'): 60, Timestamp('2026-03-31 00:00:00'): 300}

# Several summaries at once
print(daily.resample("ME").agg(["first", "last", "max"]))
#             first   last    max
# 2026-02-28  100.0  103.0  103.0
# 2026-03-31  102.0  106.0  106.0

ティックから足を作る、アップサンプリング

チャートやモデルはOHLC足を使います。各期間の始値（最初の価格）、高値、安値、終値（最後の価格）です。resample("D").ohlc() は日中の価格から1回の呼び出しでそれを作ります。週末のように取引が1件もない暦日も NaN の行として残るので、取引のあった日だけが欲しいときは最後に dropna() を付けます。アップサンプリングは逆方向です。resample("D").ffill() はデータのない日に直近の既知の値を繰り返し、これが週次で公表される価格の本来の意味です。価格に bfill は決して使わないでください。未来の値を過去へコピーし、明日の情報が今日に漏れてしまいます。

times = ["2026-03-05 09:30", "2026-03-05 11:00", "2026-03-05 15:59",
         "2026-03-09 09:30", "2026-03-09 12:00", "2026-03-09 15:59"]
ticks = pd.Series([100.0, 101.5, 99.8, 100.7, 102.0, 101.0], index=pd.to_datetime(times))

bars = ticks.resample("D").ohlc()
print(bars)
#              open   high    low  close
# 2026-03-05  100.0  101.5   99.8   99.8
# 2026-03-06    NaN    NaN    NaN    NaN
# 2026-03-07    NaN    NaN    NaN    NaN
# 2026-03-08    NaN    NaN    NaN    NaN
# 2026-03-09  100.7  102.0  100.7  101.0

print(bars.dropna().index.strftime("%d %b").tolist())   # ['05 Mar', '09 Mar']   only the days that traded

# Upsampling: observations on the 2nd, 6th and 10th, spread over every day with ffill
weekly = pd.Series([100.0, 103.0, 101.0], index=pd.to_datetime(["2026-03-02", "2026-03-06", "2026-03-10"]))

print(weekly.resample("D").ffill().tolist())
# [100.0, 100.0, 100.0, 100.0, 103.0, 103.0, 103.0, 103.0, 101.0]

print(int(weekly.resample("D").mean().isna().sum()))   # 6   without a fill rule the new days are empty

• series.resample(ルール) が期間（"D"・"W-FRI"・"ME"・"h"）を表し、続く集計が値を計算する
• 価格は last か ohlc()、出来高は sum。空の期間は NaN になり、dropna() で取り除ける
• アップサンプリングには補完ルールが必要：ffill() は直近の値を繰り返す。価格に bfill() は未来が漏れるので使わない

次はローリングウィンドウです。直近の期間をスライドする窓で、移動平均などの統計量を計算します。

ラボ：採点される内容

• month_end_close で各月の最後の価格を取る25点
• weekly_volume で週ごとの出来高を合計する25点
• daily_ohlc で日中の価格から日足を作る25点
• fill_to_daily で不規則な観測を毎日に広げる25点