Python科学计算之Pandas 时间序列操作
文章目录
-
- 时间操作
- 构建时间序列
时间操作
#普通的时间操作
import datetime
import pandas as pd
#设置时间
dt = datetime.datetime(year=2020,month=10,day=11,hour=13,minute=10)
dt
#输出
datetime.datetime(2020, 10, 11, 13, 10)
#打印时间
print (dt)
2020-10-11 13:10:00
- pandas时间操作
#定义时间戳
ts = pd.Timestamp('2020-10-11')
ts
#输出
Timestamp('2020-10-11 00:00:00')
#通过ts.month ts.year等输出年月日
ts.month
10
ts.day
11
#增加天数
ts + pd.Timedelta('5 days')
#输出
Timestamp('2020-10-16 00:00:00')
#to_datetime函数
pd.to_datetime('2020-10-11')
pd.to_datetime('11/10/2020')
#输出
Timestamp('2020-11-10 00:00:00')
- 构建一个Series字符串
s = pd.Series(['2020-10-11 00:00:00','2020-10-12 00:00:00','2020-10-13 00:00:00'])
s
#输出
0 2020-10-11 00:00:00
1 2020-10-12 00:00:00
2 2020-10-13 00:00:00
dtype: object
#转换为datetime模式
ts = pd.to_datetime(s)
ts
#输出
0 2020-10-11
1 2020-10-12
2 2020-10-13
dtype: datetime64[ns]
#显示星期（记住星期一是0以此类推）
ts.dt.weekday
#输出
0 6
1 0
2 1
dtype: int64
构建时间序列
- 定义一个自定义时间序列
#start表示开始时间，periods表示多少行，freq表示时间间隔
pd.Series(pd.date_range(start='2020-10-11',periods = 10,freq = '6H'))
#输出
0 2020-10-11 00:00:00
1 2020-10-11 06:00:00
2 2020-10-11 12:00:00
3 2020-10-11 18:00:00
4 2020-10-12 00:00:00
5 2020-10-12 06:00:00
6 2020-10-12 12:00:00
7 2020-10-12 18:00:00
8 2020-10-13 00:00:00
9 2020-10-13 06:00:00
dtype: datetime64[ns]
- 读取csv中数据时间序列的两种方式
#第一种
data = pd.read_csv('./data/flowdata.csv')
data['Time'] = pd.to_datatime(date['Time'])
data = data.set_index('Time')
data.head(10)
#第二种
data = pd.read_csv('./data/flowdata.csv',index_col = 0,parse_dates = True)
data.head(10)
- 时间序列索引切片
data[pd.Timestamp('2012-01-01 09:00'):pd.Timestamp('2012-01-01 19:00')]
#不加Timestamp效果一样
data[('2012-01-01 09:00'):('2012-01-01 19:00')]
#打印2013年的数据
data['2013']
#打印2012年1月到2012年3月
data['2012-01':'2012-03']
#取出所有1月份的数据
data[data.index.month == 1]
#索引的布尔切片
data[(data.index.hour > 8) & (data.index.hour <12)]
#between_time函数
data.between_time('08:00','12:00')
- 时间序列重采样
#以1天为单位求平均值（同样也可以定义最大值max()）
data.resample('D').mean().head()
#以3天为单位
data.resample('3D').mean().head()
#同样我们也可以以月份、年份为单位
data.resample('M').mean().head()
data.resample('Y').mean().head()
#画个图（需要导入matplotlib）
data.resample('M').mean().plot()
