pandas-时序数据

时序数据

时序的创建

四类时间变量

时间点的创建

1、to_datetime方法

pd.to_datetime('2020.1.1')
pd.to_datetime('2020 1.1')
pd.to_datetime('2020 1 1')
pd.to_datetime('2020 1-1')
pd.to_datetime('2020-1 1')
pd.to_datetime('2020-1-1')
pd.to_datetime('2020/1/1')
pd.to_datetime('1.1.2020')
pd.to_datetime('1.1 2020')
pd.to_datetime('1 1 2020')
pd.to_datetime('1 1-2020')
pd.to_datetime('1-1 2020')
pd.to_datetime('1-1-2020')
pd.to_datetime('1/1/2020')
pd.to_datetime('20200101')

同时，使用列表可以使其转为时间点索引；对于DataFrame而⾔，如果列已经按照时间顺序排好则利⽤to_datetime可⾃动转换。
2、date_range方法
一般来说，start/end/periods（时间点个数）/freq（间隔⽅法）是该⽅法最重要的参数，给定了其中的3个，剩下的⼀个就会被确定。

DateOffset对象

1、DataOffset与Timedelta的区别
Timedelta绝对时间差的特点指⽆论是冬令时还是夏令时，增减1day都只计算24小时；DataOffset相对时间差指，⽆论⼀天是23\24\25小时，增减1day都与当天相同的时间保持一致。
2、DateOffset的可选参数包括years/months/weeks/days/hours/minutes/seconds。
3、序列的offset操作：利用apply函数，直接利用对象加减。

时序的索引及属性

索引切片

子集索引

时间点的属性

重采样

重采样就是指resample函数，它可以看做是时序版本的groupby函数。

窗口函数

rolling

所谓rolling⽅法，就是规定⼀个窗口，它和groupby对象⼀样，本⾝不会进⾏操作，需要配合聚合函数才能计算结果。

expanding函数

1、普通的expanding函数等价与rolling(window=len(s),min_periods=1)，是对序列的累计计算。
2、⼏个特别的Expanding类型函数：cumsum/cumprod/cummax/cummin。

s =pd.Series(np.random.randn(1000),index=pd.date_range('1/1/2020',periods=1000))

s.cumsum().head()

s.shift(2).head()

s.diff(3).head()

s.pct_change(3).head()

shift/diff/pct_change都是涉及到了元素关系
①shift是指序列索引不变，但值向后移动
②diff是指前后元素的差，period参数表示间隔，默认为1，并且可以为负
③pct_change是指前后元素的变化百分比，period参数与diff类似