Pandas玩转数据（八) -- 时间序列简单操作

Python3数据科学汇总： https://blog.csdn.net/weixin_41793113/article/details/99707225 

---

一. 时间序列基础知识

 

社会经济现象总是随着时间的推移而变迁，呈现动态性。一个或一组变量x(t)进行观测，将在一系列时刻t1、t2、...、tn得到离散数字组成的序列集合，称之为时间序列。通过时间序列算法，我们对事物进行动态的研究。

时间序列表示按时间先后顺序排列的数列，通常X轴为时间要素，Y轴为数据要素，比如1986-2000年的人均GDP为y1、y2、...、yn，再如下图所示太阳黑子运动规律。

 

 

指标通常包括时期指标（年度、月度）和时点指标（时刻）。时间序列分为以下三类：

    1.随机性时间序列：各指标变动受随机因素影响
    2.平稳时间序列：基本稳定在某个水平附近波动
    3.非平稳时间序列：存在某种规律性变动，比如趋势性、季节性
时间序列常用的特征统计量如下所示：（参考：百度文库）
 

 

import numpy as np
import pandas as pd
from pandas import Series, DataFrame

from datetime import datetime
t1 = datetime(2009,10,20)

t1

 

date_list = [
    datetime(2016,9,1),
    datetime(2016,9,10),
    datetime(2017,9,1),
    datetime(2017,9,20),
    datetime(2017,10,1)
] ##python的list
date_list

s1 = Series(np.random.rand(5), index=date_list) ##使用时间序列作为索引

s1 ##打印Series

s1.values #查看Series的值

s1.index ##查看Series的索引

s1[1]

s1[datetime(2016,9,10)]

##可以发现用索引0,1和使用时间序列查找的都是同一个

s1['20160910'] ##省略'-'也是可以的

s1['2017-09'] ##返回多个2017-09-xx的日期

s1['2017'] ##返回2017年的时间序列

s1['2016']

s1

date_list_new = pd.date_range('2016-01-01', periods=100, freq='5H')

##利用pandas生成时间序列，从2016-01-01开始，生成个数100个，每隔5h生成一个

s2 = Series(np.random.rand(100), index=date_list_new) ##时间序列作为索引

s2

s2.plot(color='g') ##稍微玩一下画图

# -*- coding: cp936 -*-
import pandas as pd
import numpy as np
 
a = np.random.standard_normal((9,4))
df = pd.DataFrame(a)
df.columns = ["No1", "No2", "No3", "No4"]
dates = pd.date_range('2015-1-1',periods=9,freq='M')
df.index = dates
df.cumsum()
df.plot(lw=2.0)

主要调用plot方法，参数包括x、y、title、grid（表格线）、ax、legend、kind（图形类型，kde/line/bar/barh）、logx、yticks（刻度）、xlim（界限）、rot（旋转度）等，绘制图形如下所示：