时间序列pandas的创建date_range+时间戳的序列化to_datetime+重采样resample+将字符串时间转化为时间序列PeriodIndex(传入年月日)

目录

 

（一）为什么要学习pandas的时间序列

（二）pandas创建时间序列

（三）案例分析

3.1  911电话按照紧急类型进行统计分析

3.1.1    统计不同类型的紧急情况的次数

3.1.2   统计出911数据中不同月份电话次数的变化情况

3.1.3    统计出911数据中不同月份不同类型的电话的次数的变化情况

3.2  PM2.5数据分析

---

（一）为什么要学习pandas的时间序列

不管在什么行业，时间序列都是一种非常重要的数据形式，很多统计数据以及数据的规律也都和时间序列有着非常重要的联系

（二）pandas创建时间序列

pd.date_range(start=" ", end=" ", freq=" ")

import pandas as pd

time = pd.date_range(start="20171230", end="20180130", freq="D")#频率是天
print(time)
'''
DatetimeIndex(['2017-12-30', '2017-12-31', '2018-01-01', '2018-01-02',
               '2018-01-03', '2018-01-04', '2018-01-05', '2018-01-06',
               '2018-01-07', '2018-01-08', '2018-01-09', '2018-01-10',
               '2018-01-11', '2018-01-12', '2018-01-13', '2018-01-14',
               '2018-01-15', '2018-01-16', '2018-01-17', '2018-01-18',
               '2018-01-19', '2018-01-20', '2018-01-21', '2018-01-22',
               '2018-01-23', '2018-01-24', '2018-01-25', '2018-01-26',
               '2018-01-27', '2018-01-28', '2018-01-29', '2018-01-30'],
              dtype='datetime64[ns]', freq='D')
'''


time = pd.date_range(start="20171230", end="20180130", freq="10D")#频率是天
print(time)
#DatetimeIndex(['2017-12-30', '2018-01-09', '2018-01-19', '2018-01-29'], dtype='datetime64[ns], freq='10D')


time = pd.date_range(start="20171230", periods=10, freq="1D")#periods表示生成几个数
print(time)
'''
DatetimeIndex(['2017-12-30', '2017-12-31', '2018-01-01', '2018-01-02',
               '2018-01-03', '2018-01-04', '2018-01-05', '2018-01-06',
               '2018-01-07', '2018-01-08'],
              dtype='datetime64[ns]', freq='D')
'''

time = pd.date_range(start="20171230", periods=10, freq="M")
print(time)
'''
DatetimeIndex(['2017-12-31', '2018-01-31', '2018-02-28', '2018-03-31',
               '2018-04-30', '2018-05-31', '2018-06-30', '2018-07-31',
               '2018-08-31', '2018-09-30'],
              dtype='datetime64[ns]', freq='M')
'''

time = pd.date_range(start="2017-12-30 10:10:30", periods=10, freq="H")
print(time)
'''
DatetimeIndex(['2017-12-30 10:10:30', '2017-12-30 11:10:30',
               '2017-12-30 12:10:30', '2017-12-30 13:10:30',
               '2017-12-30 14:10:30', '2017-12-30 15:10:30',
               '2017-12-30 16:10:30', '2017-12-30 17:10:30',
               '2017-12-30 18:10:30', '2017-12-30 19:10:30'],
              dtype='datetime64[ns]', freq='H')
'''

（三）案例分析

3.1  911电话按照紧急类型进行统计分析

现在我们有2015到2017年25万条911的紧急电话的数据，请统计出出这些数据中不同类型的紧急情况的次数，如果我们还想统计出不同月份不同类型紧急电话的次数的变化情况，应该怎么做呢？

3.1.1    统计不同类型的紧急情况的次数

import pandas as pd
import numpy as np
from matplotlib import pyplot as plt

file_path = "911.csv"
df = pd.read_csv(file_path)
#print(pf.head())
#print(pf.info())

temp_list = df["title"].str.split(":").tolist()
#print(temp_list)

cate_list = list(set([i[0] for i in temp_list]))
#print(cate_list)
#['Traffic', 'Fire', 'EMS']

#构造全为0的数组
zeros_df = pd.DataFrame(np.zeros((df.shape[0], len(cate_list))), columns=cate_list)
#print(zeros_df)

for cate in cate_list:
    zeros_df[cate][df["title"].str.contains(cate)] = 1

sum_ret = zeros_df.sum(axis=0)
print(sum_ret)
'''
Fire        96177.0
Traffic    223395.0
EMS        320333.0
'''

zeros_df最后的结果是：
Fire  Traffic  EMS
0        0.0      0.0  0.0
1        0.0      0.0  0.0
2        1.0      0.0  0.0
3        0.0      0.0  0.0
4        0.0      0.0  0.0
...      ...      ...  ...
639893   1.0      0.0  0.0
639894   0.0      0.0  0.0
639895   1.0      0.0  0.0
639896   0.0      0.0  0.0
639897   1.0      0.0  0.0

[639898 rows x 3 columns]
        Fire  Traffic  EMS
0        0.0      0.0  0.0
1        0.0      0.0  0.0
2        1.0      0.0  0.0
3        0.0      0.0  0.0
4        0.0      0.0  0.0
...      ...      ...  ...
639893   1.0      0.0  0.0
639894   0.0      0.0  0.0
639895   1.0      0.0  0.0
639896   0.0      0.0  0.0
639897   1.0      0.0  0.0

[639898 rows x 3 columns]
        Fire  Traffic  EMS
0        0.0      0.0  1.0
1        0.0      0.0  1.0
2        1.0      0.0  0.0
3        0.0      0.0  1.0
4        0.0      0.0  1.0
...      ...      ...  ...
639893   1.0      0.0  0.0
639894   0.0      0.0  1.0
639895   1.0      0.0  0.0
639896   0.0      0.0  1.0
639897   1.0      0.0  0.0

3.1.2   统计出911数据中不同月份电话次数的变化情况

使用pandas提供的方法把时间字符串转化为时间序列

（1）df["timeStamp"] = pd.to_datetime(df["timeStamp"],format="")

format参数大部分情况下可以不用写，但是对于pandas无法格式化的时间字符串，我们可以使用该参数，比如包含中文

（2）重采样：指的是将时间序列从一个频率转化为另一个频率进行处理的过程，将高频率数据转化为低频率数据为降采样，低频率转化为高频率为升采样

pandas提供了一个resample的方法来帮助我们实现频率转化

import pandas as pd
import numpy as np
from matplotlib import pyplot as plt

file_path = "911.csv"
df = pd.read_csv(file_path)
#print(df.info())

df["timeStamp"] = pd.to_datetime(df["timeStamp"])
#将时间字符串转化为时间序列，给数据盖上dataframe里面可以识别的时间戳
print(df["timeStamp"])
df.set_index("timeStamp", inplace=True)
#把时间戳设置为索引
#print(df)

count_by_month = df.resample("M").count()["title"]
#对数据进行重采样，降低其维度，进行聚合，把每个月的数据放在一起进行统计
#print(count_by_month)

#统计出911数据中不同月份电话次数的变化情况

#画图
_x = count_by_month.index
_y = count_by_month.values

'''
for i in _x:
    print(dir(i))
    break
'''
_x = [i.strftime("%Y%m%d") for i in _x]
plt.figure(figsize=(20, 8), dpi=80)

#在图像显示中，我们并不需要几分几秒具体的信息

plt.plot(range(len(_x)), _y)
plt.xticks(range(len(_x)), _x, rotation=45)

plt.show()

时间格式化

python中时间日期格式化符号：
%y 两位数的年份表示（00-99）
%Y 四位数的年份表示（000-9999）
%m 月份（01-12）
%d 月内中的一天（0-31）
%H 24小时制小时数（0-23）
%I 12小时制小时数（01-12）
%M 分钟数（00=59）
%S 秒（00-59）
%a 本地简化星期名称
%A 本地完整星期名称
%b 本地简化的月份名称
%B 本地完整的月份名称
%c 本地相应的日期表示和时间表示
%j 年内的一天（001-366）
%p 本地A.M.或P.M.的等价符
%U 一年中的星期数（00-53）星期天为星期的开始
%w 星期（0-6），星期天为星期的开始
%W 一年中的星期数（00-53）星期一为星期的开始
%x 本地相应的日期表示
%X 本地相应的时间表示
%Z 当前时区的名称
%% %号本身

3.1.3    统计出911数据中不同月份不同类型的电话的次数的变化情况

先将数据进行序列化，然后给将不同的紧急类型提取出来，转化为一列，把时间戳设置为索引，按照紧急类型进行分组，对每一组的数据都进行绘图分析

#统计出911数据中不同月份不同类型的电话的次数的变化情况
import pandas as pd
import numpy as np
from matplotlib import pyplot as plt

def plot_img(df, label):
    count_by_month = df.resample("M").count()["title"]

    _x = count_by_month.index
    _y = count_by_month.values
    _x = [i.strftime("%Y%m%d") for i in _x]
    plt.plot(range(len(_x)), _y, label=label)
    plt.xticks(range(len(_x)), _x, rotation=45)

file_path = "911.csv"
df = pd.read_csv(file_path)

df["timeStamp"] = pd.to_datetime(df["timeStamp"])


#添加列，表示分类
temp_list = df["title"].str.split(":").tolist()
cate_list = [i[0] for i in temp_list]
#print(cate_list)
df["cate"] = pd.DataFrame(np.array(cate_list).reshape((df.shape[0], 1)))
#创建了cate这一列，但是这列中并没有具体的类型
#print(df["cate"])

df.set_index("timeStamp", inplace=True)

#print(df.head(1))

cate = df.groupby(by="cate").count()
#print(cate)

plt.figure(figsize=(20, 8), dpi=80)

for group_name, group_data in df.groupby(by="cate"):
    #对不同的分类都进行绘图
    plot_img(group_data, group_name)


plt.legend(loc="best")
plt.show()

3.2  PM2.5数据分析

现在我们有北上广、深圳、和沈阳5个城市空气质量数据，请绘制出5个城市的PM2.5随时间的变化情况

数据来源： https://www.kaggle.com/uciml/pm25-data-for-five-chinese-cities

观察这组数据中的时间结构，并不是字符串，这个时候我们应该怎么办？

利用PeriodIndex将字符串时间转换成时间序列的时间戳

periods = pd.PeriodIndex(year=data["year"],month=data["month"],day=data["day"],hour=data["hour"],freq="H")

import pandas as pd
from matplotlib import pyplot as plt

file_path = "BeijingPM20100101_20151231.csv"

df = pd.read_csv(file_path)

#print(df.info())


#把分开的时间字符串通过periodIndex的方法转换为pandas的时间类型
period = pd.PeriodIndex(year=df["year"], month=df["month"], day=df["day"], hour=df["hour"], freq="H")
#print(period)

#print(type(period))
#

#把datetime设置成索引
df["datetime"] = period
#print(df.head(10))

df.set_index("datetime", inplace=True)

#对数据进行降采样
df = df.resample("7D").mean()
#print(df)

#处理缺失数据，删除缺失数据
data = df["PM_US Post"].dropna()
china_data = df["PM_Dongsi"].dropna()
_x = data.index
_x_china = china_data.index
_y = data.values
_y_china = china_data.values

plt.figure(figsize=(20, 8), dpi=80)
plt.plot(range(len(_x)), _y, label="US")
plt.plot(range(len(_x_china)), _y_china, label="CN")
plt.xticks(range(0, len(_x), 10), list(_x)[::10], rotation=45)
plt.legend(loc="best")
plt.show()