Pythonで時系列データをリサンプリングして月末ごとの最大値を求める方法

時系列データを扱っていると、データを月単位でまとめ直し（リサンプリング）、各月の最終日（月末）を基準にした最大値を求めたい場面があります。pandasのresampleメソッドを使えば、この処理をわずか数行のコードで実現できます。

例として、次のような時系列データを含むDataFrameを想定します。リサンプリングを実行すると、以下のように月ごとの最大値が得られます。

DataFrameの内容:
 Id time_series
0 1 2020-01-05
1 2 2020-01-12
2 3 2020-01-19
3 4 2020-01-26
4 5 2020-02-02
5 6 2020-02-09
6 7 2020-02-16
7 8 2020-02-23
8 9 2020-03-01
9 10 2020-03-08
月末ごとの最大値:
             Id time_series
time_series
2020-01-31    4 2020-01-26
2020-02-29    8 2020-02-23
2020-03-31   10 2020-03-08

解決策

以下の手順に沿って実装していきます。

手順1：DataFrameを作成する

まず、1列だけのDataFrameを定義します。

d = {'Id': [1,2,3,4,5,6,7,8,9,10]}
df = pd.DataFrame(d)

手順2：日付データを生成する

pd.date_range()関数に開始日'01/01/2020'、periods=10、freq='W'を指定します。これにより、指定した開始日から1週間ごとの日付が10件生成され、df['time_series']列に格納されます。

df['time_series'] = pd.date_range('01/01/2020', periods=10, freq='W')

手順3：resampleメソッドで月末ごとの最大値を求める

resampleメソッドを適用し、月末頻度でリサンプリングした上で最大値を計算します。on='time_series'を指定することで、インデックスではなくtime_series列を基準にグループ化できるのがポイントです。

df.resample('M', on='time_series').max()

実装例

ここまでの手順をすべてまとめたコードは以下の通りです。

import pandas as pd

d = {'Id': [1,2,3,4,5,6,7,8,9,10]}
df = pd.DataFrame(d)

df['time_series'] = pd.date_range('01/01/2020',
                                  periods=10,
                                  freq='W')

print("DataFrameの内容:\n", df)
print("月末ごとの最大値:")
print(df.resample('M', on='time_series').max())

出力結果

DataFrameの内容:
 Id time_series
0 1 2020-01-05
1 2 2020-01-12
2 3 2020-01-19
3 4 2020-01-26
4 5 2020-02-02
5 6 2020-02-09
6 7 2020-02-16
7 8 2020-02-23
8 9 2020-03-01
9 10 2020-03-08
月末ごとの最大値:
             Id time_series
time_series
2020-01-31    4 2020-01-26
2020-02-29    8 2020-02-23
2020-03-31   10 2020-03-08

結果のインデックスには各月の最終日（2020-01-31、2020-02-29、2020-03-31）が表示され、それぞれの月に含まれる行の中でIdとtime_seriesが最大となる値が出力されていることがわかります。

補足： オフセットエイリアス'M'は「月末」を表します。なお、pandas 2.2以降では'M'は非推奨となっており、代わりに'ME'（Month End）の使用が推奨されています。