Python数据分析7——pandas时间序列

目录

datetime数据类型

datetime操作

datetime.now()

timedelta()

字符串转换为datetime

datetime转换为字符串

时间序列

前言

时间序列基础

时间序列介绍

生成时间序列函数

时间序列的索引及选择数据

含有重复索引的时间序列

移位日期

重采样

重采样介绍

将索引转换为时间序列

pd.to_datetime()

---

datetime数据类型

datetime操作

datetime.now()

查看当前时间

timedelta()

带时间类型数据进行运算操作

字符串转换为datetime

datetime转换为字符串

时间序列

前言

时间序列数据在很多领域都是重要的结构化数据形式，比如：金融，神经科学，生态学，物理学。在多个时间点观测的数据形成了时间序列。时间序列可以是固定频率的，也可以是不规则的。

常见使用

• 时间戳
• 固定的时间区间
• 时间间隔

时间序列基础

时间序列介绍

Pandas中的基础时间序列种类是由时间戳索引的Series，在Pandas外部通常表示为Python字符串或datetime对象。

注意

• datetime对象可作为索引，时间序列DatetimeIndex
• 时间序列里面每个元素为Timestamp对象

生成时间序列函数

• pd.date_range(start=None,end=None,periods=None,freq=None,tz=None,normalize=False)

• • start 起始时间
  • end 结束时间
  • periods 固定时期
  • freq 日期偏移量(频率)
  • normalize 标准化为0的时间戳

d1 = pd.date_range(start="20200101",end="20200201") 
d1

d2 = pd.date_range(start="20200101",end="20200201",periods=5) 
d2

d3 = pd.date_range(start="20200101",periods=5,freq="10D")
d3

d4 = pd.date_range(start="2020-01-01 12:59:59",periods=5,freq="10D",normalize=True)
d4

关于频率设置如下：

具体可参考：Time series / date functionality — pandas 1.4.2 documentationhttps://pandas.pydata.org/pandas-docs/stable/user_guide/timeseries.html#timeseries-offset-aliases

时间序列的索引及选择数据

ts = pd.Series(np.random.randint(1,100,size=800),index=pd.date_range("20180101",periods=800))
ts

# 选择2020的数据 
ts['2020']        

# 选择2020的一月份数据
ts['2020 01']     

# 取2020年5月01至5月10的数据
ts['2020 05 01':'2020 05 10']

含有重复索引的时间序列

• df.indexis_unique                     检查索引是否唯一

移位日期

"移位"指的是将日期按时间向前移动或向后移动。Series和DataFrame都有一个shift方法用于进行简单的前向或后向移位 而不改变索引

ts.shift(2)   # 向前移动

ts.shift(-2)  # 向后移动

重采样

重采样介绍

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

ts = pd.DataFrame(np.random.randint(100,200,size=100),index=pd.date_range(start="20200101",periods=100))
ts

ts.resample("M").mean()

将索引转换为时间序列

pd.to_datetime()

我们来看以下常见场景

df = pd.DataFrame(np.random.randint(1000,4000,size=(4,4)),index=[20200101,20200102,20200103,20200104],columns=["北京","上海","广州","深圳"])
df

该行索引类型并不是时间序列类型，所以我们想要使用时间序列的特性，就需要将其转为时间序列。通过 pd.to_datetime()，其中的format参数可以调试时间序列的格式，常用如下：