Python数据分析基础（八）——时间序列

时间序列数据是一种重要的结构化数据形式。

datetime模块中的数据类型

类型	说明
date	以公历形式存储日历日期（年、月、日）
time	将时间存储为时、分、秒、毫秒
datetime	存储日期和时间
timedelta	表示两个datetime值之间的差（日、秒、毫秒）

datettime格式定义

代码	说明
%Y	4位数的年
%y	2位数的年
%m	2位数的月[01, 12]
%d	2位数的日[01, 31]
%H	时（24小时制）[00, 23]
%I	时（12小时制）[01, 12]
%M	2位数的分[00, 59]
%S	秒00, 61
%w	用整数表示的星期几[0（星期天）, 6]
%U	每年的第几周[00, 53]，星期天被认为是每周的第一天
%W	每年的第几周[00, 53]，星期一被认为是每周的第一天
%z	以+HHMM或-HHMM表示的UTC时区偏移量
%F	%Y-%m-%d简写形式
%D	%m/%d/%y简写形式

特定于当前环境的日期格式

代码	说明
%a	星期几的简写
%A	星期几的全称
%b	月份的简写
%B	月份的全称
%c	完整的日期和时间
%p	不同环境中的AM或PM
%x	适合于当前环境的日期格式
%X	适合于当前环境的时间格式

时间序列的基础频率

别名	偏移量类型	说明
D	Day	每日日历
B	BusinessDay	每工作日
H	Hour	每小时
T或min	Minute	每分
S	Second	每秒
L或ms	Milli	每毫秒
U	Micro	每微秒
M	MonthEnd	每月最后一个日历日
BM	BusinessMonthEnd	每月最后一个工作日
MS	MonthBegin	每月第一个日历日
BMS	BusinessMonthBegin	每月第一个工作日
W-MON、W-TUE	Week	从指定的星期几（MON、TUE、WED、THU、FRI、SAT、SUN）开始算起，每周
WOM-1MON、WOM-2MON	WeekOfMonth	产生每月第一、第二、第三或第四周的星期几
Q-JAN、Q-FEB	QuarterEnd	对于以指定月份（JAN、FEB、MAR、APR、MAY、JUN、JUL、AUG、SEP、OCT、NOV、DEC）结束的年度，每季度最后一月的最后一个日历日
BQ-JAN、BQ-FEB	BusinessQuarterEnd	对于以指定月份结束的年度，每季度最后一月的最后一个工作日
QS-JAN、QS-FEB	QuarterBeging	对于以指定月份结束的年度，每季度最后一月的第一个日历日
BQS-JAN、BQS-FEB	BusinessQuarterBegin	对于以指定月份结束的年度，每季度最后一月的第一个工作日
A-JAN、A-FEB	YearEnd	每年指定月份的最后一个日历日
BA-JAV、BA-FEB	BusinessYearEnd	每年指定月份的最后一个工作日
AS-JAN、AS-FEB	YearBegin	每年指定月份的第一个日历日
BAS-JAV、BAS-FEB	BusinessYearBegin	每年指定月份的第一个工作日

resample方法的参数

参数	说明
freq	表示重采样频率的字符串或DateOffset，例如'M'、'5min'或Second(15)
how='mean'	用于产生聚合值的函数名或数组函数，例如'mean'、'ohlc'、np.max等。默认为'mean'，其他常用的值有：'first'、'last'、'median'、'ohlc'、'max'、'min'。
axis=0	重采样的轴，默认为axis=0
fill_method=None	升采样时如何插值，比如'ffill'或'bfill'。默认不插值
closed='right'	在降采样中，各时间段的哪一端是闭合（即包含）的，'right'或'left'，默认为'right'
label='right'	在降采样中，如何设置聚合值的标签，'right'或'left'（面元的右边界或左边界），默认为'right'
loffset=None	面元标签的时间校正值，比如'-1s'/Second(-1)用于将聚合标签调早1秒
limit=None	在前向或后向填充时，允许填充的最大时期数
kind=None	聚合到时期（'period'）或时间戳（'timestamp'），默认聚合到时间序列的索引类型
convention=None	当重采样时期时，将低频率转换到高频率所采用的约定（'start'或'end')，默认为'end'

移动窗口和指数加权函数

函数	说明
rolling_count	返回各窗口非NA观测值的数量
rolling_sum	移动窗口的和
rolling_mean	移动窗口的平均数
rolling_median	移动窗口的中位数
rolling_var、rolling_std	移动窗口的方差和标准差。分母为n-1
rolling_skew、rolling_kurt	移到窗口的偏度（三阶矩）和峰度（四阶矩）
rolling_min、rolling_max	移动窗口的最小值和最大值
rolling_quantile	移动窗口指定百分位数/样本分位数位置的值
rolling_corr、rolling_cov	移动窗口的相关系数和协方差
rolling_apply	对移动窗口应用普通数组函数
ewma	指数加权移动平均
ewmvar、evmstd	指数加权移动方差和标准差
ewmcorr、ewmcov	指数加权移动相关系数和协方差

参考文献：

利用Python进行数据分析.    Wes McKinney.    唐学韬译