Python 数据分析之：pandas 中的日期相关数据处理：to_datetime() 完成日期的转换和生成；日期数据处理（获取年月日、判断是否为闰年）；使用日期对象；date_range

参数说明

通过将多种形式的日期转换成标准形式

整合多列中的信息组成一个日期

• 注意，使用这种方式组合多个列中的时间信息的时候，列的名称分别必须是：
  • year,
  • month
  • day
  • hour
  • minute
  • second

日期对象的使用

数据导入

将“原日期” 的类型转为 datetime 类型

调用 Series 中的 dt 对象来获取各种信息

• 年: series.dt.year
• 月: series.dt.month
• 日: series.dt.day
• 星期几: series.dt.day_name()
• 当前日期的季度: series.dt.quarter
• 是否是年底: series.dt.is_year_end
  

获取特定日期 / 日期区间数据

• 将时间列放到数据最前面的一列（非必须）
• 按照时间列进行排序（非必须）
• 首先将时间列作为索引
  
• 可以直接按照年份索引
• 可以直接按照年份+月份索引
• 可以直接按照日期索引
• 可以索引日期的区间

按照不同的时期进行数据统计

• 将日期列作为索引
  
• 按照年进行统计求和
  
• 按照季度统计求和
  
• 按照月统计
  
• 按星期统计
  
• 按照天统计
  

按照时期显示数据

• 只 按照年份显示数据；这里使用的是 A 而不是 AS
  
• 按照季度显示数据
  
• 按照月显示数据
  
• 按照星期显示
  

按照时期统计 & 显示

• 按照年

• 按照季度
  
• 按照月
  
• 按照星期
  

时间序列 date_range

• 从 2021-01-01 开始每隔一天产生一个日期
  

• 每隔一个月产生一个日期
  

时间序列的降采样和升采样

降采样

• 将原本 1 分钟的时间频率降低到 3 分钟每次，这样操作频率降低了，因此，需要将指定数据聚合的方式，下面的例子中使用的是 sum 方式
  
• 在下面的例子中，原本的数据是每天，现在通过 resample 降采样成每个周采样一次
• 下面的例子又降采样成月
  

升采样

• 升采样过程中如果没有数据就用NAN 来代替

• 可以按照缺失值填补的方式：ffill 和 bfill 来填补
  

时间序列数据汇总

- 使用 ohlc 函数；每次统计一定量的数据，然后统计出这些数据中的 open high low close 数据

移动窗口数据计算

• windows 是窗口大小