pandas教程：Periods and Period Arithmetic 周期和周期运算
文章目录
- 11.5 Periods and Period Arithmetic（周期和周期运算）
- 1 Period Frequency Conversion（周期频度转换）
- 2 Quarterly Period Frequencies（季度周期频度）
- 3 Converting Timestamps to Periods (and Back)（时间戳与周期相互转换）
- 4 Creating a PeriodIndex from Arrays（从数组中创建一个周期索引）
11.5 Periods and Period Arithmetic（周期和周期运算）
Periods（周期）表示时间跨度（timespans），比如天，月，季，年。Period类表示的就是这种数据类型，构建的时候需要用字符串或整数，以及一个频度（关于频度的代码可以看11.4中的表格）：
import numpy as np
import pandas as pd
p = pd.Period(2007, freq='A-DEC')
p
Period('2007', 'A-DEC')
在这个例子里，Period对象代表了整个2007年一年的时间跨度，从1月1日到12月31日。在Period对象上进行加减，会有和对频度进行位移（shifting）一样的效果：
p + 5
Period('2012', 'A-DEC')
p - 2
Period('2005', 'A-DEC')
如果两个周期有相同的频度，二者的区别就是它们之间有多少个单元（units）：
pd.Period('2014', freq='A-DEC') - p
7
固定范围的周期（Regular ranges of periods）可以通过period_range函数创建：
rng = pd.period_range('2000-01-01', '2000-06-03', freq='M')
rng
PeriodIndex(['2000-01', '2000-02', '2000-03', '2000-04', '2000-05', '2000-06'], dtype='int64', freq='M')
PeriodIndex类能存储周期组成的序列，而且可以作为任何pandas数据结构中的轴索引（axis index）：
pd.Series(np.random.randn(6), index=rng)
2000-01 0.439035
2000-02 -0.231125
2000-03 -1.085106
2000-04 -1.909902
2000-05 1.478810
2000-06 0.656713
Freq: M, dtype: float64
如果我们有字符串组成的数组，可以使用PeriodIndex类：
values = ['2001Q3', '2002Q2', '2003Q1']
index = pd.PeriodIndex(values, freq='Q-DEC')
index
PeriodIndex(['2001Q3', '2002Q2', '2003Q1'], dtype='int64', freq='Q-DEC')
1 Period Frequency Conversion（周期频度转换）
通过使用asfreq方法，Periods和PeriodIndex对象能被转换为其他频度。例如，假设我们有一个年度期间（annual period），并且想要转换为月度期间（monthly period），做法非常直观：
p = pd.Period('2007', freq='A-DEC')
p
Period('2007', 'A-DEC')
p.asfreq('M', how='start')
Period('2007-01', 'M')
p.asfreq('M', how='end')
Period('2007-12', 'M')
我们可以认为Period('2007', freq='A-DEC')是某种指向时间跨度的光标，而这个时间跨度被细分为月度期间。可以看下面的图示：
如果一个财政年度（fiscal year）是在1月结束，而不是12月，那么对应的月度期间会不一样：
p = pd.Period('2007', freq='A-JUN')
p
Period('2007', 'A-JUN')
p.asfreq('M', 'start')
Period('2006-07', 'M')
p.asfreq('M', 'end')
Period('2007-06', 'M')
当我们转换高频度为低频度时，pandas会根据 subperiod（次周期；子周期）的归属来决定superperiod（超周期；母周期）。例如，在A-JUN频度中，月份Aug-2007其实是个2008周期的一部分：
p = pd.Period('Aug-2007', 'M')
p.asfreq('A-JUN')
Period('2008', 'A-JUN')
整个PeriodIndex对象或时间序列可以被转换为一样的语义（semantics）：
rng = pd.period_range('2006', '2009', freq='A-DEC')
ts = pd.Series(np.random.randn(len(rng)), index=rng)
ts
2006 0.391629
2007 0.497413
2008 -1.685639
2009 0.939885
Freq: A-DEC, dtype: float64
ts.asfreq('M', how='start')
2006-01 0.391629
2007-01 0.497413
2008-01 -1.685639
2009-01 0.939885
Freq: M, dtype: float64
这里，年度周期可以用月度周期替换，对应的第一个月也会包含在每个年度周期里。如果我们想要每年的最后一个工作日的话，可以使用'B'频度，并指明我们想要周期的结尾：
ts.asfreq('B', how='end')
2006-12-29 0.391629
2007-12-31 0.497413
2008-12-31 -1.685639
2009-12-31 0.939885
Freq: B, dtype: float64
2 Quarterly Period Frequencies（季度周期频度）
季度数据经常出现在会计，经济等领域。大部分季度数据都与财政年度结束日（fiscal year end）相关，比如12月最后一个工作日。因此，根据财政年度结束的不同，周期2012Q4也有不同的意义。pandas支持所有12个周期频度，从Q-JAN到Q-DEC：
p = pd.Period('2012Q4', freq='Q-JAN')
p
Period('2012Q4', 'Q-JAN')
如果是财政年度结束日在一月份，那么2012Q4代表从11月到1月，可以用日频度查看。
p.asfreq('D', 'start')
Period('2011-11-01', 'D')
p.asfreq('D', 'end')
Period('2012-01-31', 'D')
因此，做些简单的周期运算也是可能的，例如，获得每个季度的，第二个到最后一个工作日的，下午4点的时间戳：
p4pm = (p.asfreq('B', 'e') - 1).asfreq('T', 's') + 16 * 60
p4pm
Period('2012-01-30 16:00', 'T')
p4pm.to_timestamp()
Timestamp('2012-01-30 16:00:00')
还可以用period_range产生季度范围数据。运算方法也一样：
rng = pd.period_range('2011Q3', '2012Q4', freq='Q-JAN')
ts = pd.Series(np.arange(len(rng)), index=rng)
ts
2011Q3 0
2011Q4 1
2012Q1 2
2012Q2 3
2012Q3 4
2012Q4 5
Freq: Q-JAN, dtype: int64
new_rng = (rng.asfreq('B', 'e') - 1).asfreq('T', 's') + 16 * 60
ts.index = new_rng.to_timestamp()
ts
2010-10-28 16:00:00 0
2011-01-28 16:00:00 1
2011-04-28 16:00:00 2
2011-07-28 16:00:00 3
2011-10-28 16:00:00 4
2012-01-30 16:00:00 5
dtype: int64
3 Converting Timestamps to Periods (and Back)（时间戳与周期相互转换）
用时间戳作为索引的Series和DataFrame对象，可以用to_period方法转变为周期：
rng = pd.date_range('2000-01-01', periods=3, freq='M')
ts = pd.Series(np.random.randn(3), index=rng)
ts
2000-01-31 1.556049
2000-02-29 -0.708661
2000-03-31 -0.154767
Freq: M, dtype: float64
pts = ts.to_period()
pts
2000-01 1.556049
2000-02 -0.708661
2000-03 -0.154767
Freq: M, dtype: float64
因为周期是不重复的时间跨度（non-overlapping timespans），一个时间戳只能属于一个有指定频度的单独周期。尽管默认情况下新的PeriodIndex的频度会从时间戳中来推测，但我们也可以自己设定想要的频度。结果中有重复的周期也没有关系：
rng = pd.date_range('1/29/2000', periods=6, freq='D')
rng
DatetimeIndex(['2000-01-29', '2000-01-30', '2000-01-31', '2000-02-01',
'2000-02-02', '2000-02-03'],
dtype='datetime64[ns]', freq='D')
ts2 = pd.Series(np.random.randn(6), index=rng)
ts2
2000-01-29 1.115254
2000-01-30 -1.813124
2000-01-31 0.970670
2000-02-01 1.306337
2000-02-02 0.673274
2000-02-03 -0.105436
Freq: D, dtype: float64
ts2.to_period('M')
2000-01 1.115254
2000-01 -1.813124
2000-01 0.970670
2000-02 1.306337
2000-02 0.673274
2000-02 -0.105436
Freq: M, dtype: float64
想转换回时间戳的话，使用to_timestamp:
pts = ts2.to_period()
pts
2000-01-29 1.115254
2000-01-30 -1.813124
2000-01-31 0.970670
2000-02-01 1.306337
2000-02-02 0.673274
2000-02-03 -0.105436
Freq: D, dtype: float64
pts.to_timestamp(how='end')
2000-01-29 1.115254
2000-01-30 -1.813124
2000-01-31 0.970670
2000-02-01 1.306337
2000-02-02 0.673274
2000-02-03 -0.105436
Freq: D, dtype: float64
4 Creating a PeriodIndex from Arrays（从数组中创建一个周期索引）
有固定频度的数据集，有时会在很多列上存储时间跨度信息。例如，在下面的宏观经济数据及上，年度和季度在不同的列：
data = pd.read_csv('../examples/macrodata.csv')
data.head()
| year | quarter | realgdp | realcons | realinv | realgovt | realdpi | cpi | m1 | tbilrate | unemp | pop | infl | realint | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | 1959.0 | 1.0 | 2710.349 | 1707.4 | 286.898 | 470.045 | 1886.9 | 28.98 | 139.7 | 2.82 | 5.8 | 177.146 | 0.00 | 0.00 |
| 1 | 1959.0 | 2.0 | 2778.801 | 1733.7 | 310.859 | 481.301 | 1919.7 | 29.15 | 141.7 | 3.08 | 5.1 | 177.830 | 2.34 | 0.74 |
| 2 | 1959.0 | 3.0 | 2775.488 | 1751.8 | 289.226 | 491.260 | 1916.4 | 29.35 | 140.5 | 3.82 | 5.3 | 178.657 | 2.74 | 1.09 |
| 3 | 1959.0 | 4.0 | 2785.204 | 1753.7 | 299.356 | 484.052 | 1931.3 | 29.37 | 140.0 | 4.33 | 5.6 | 179.386 | 0.27 | 4.06 |
| 4 | 1960.0 | 1.0 | 2847.699 | 1770.5 | 331.722 | 462.199 | 1955.5 | 29.54 | 139.6 | 3.50 | 5.2 | 180.007 | 2.31 | 1.19 |
data.year[:5]
1959Q1 1959.0
1959Q2 1959.0
1959Q3 1959.0
1959Q4 1959.0
1960Q1 1960.0
Freq: Q-DEC, Name: year, dtype: float64
data.quarter[:5]
1959Q1 1.0
1959Q2 2.0
1959Q3 3.0
1959Q4 4.0
1960Q1 1.0
Freq: Q-DEC, Name: quarter, dtype: float64
通过把这些数组传递给PeriodIndex，并指定频度，我们可以把这些合并得到一个新的DataFrame：
index = pd.PeriodIndex(year=data.year, quarter=data.quarter,
freq='Q-DEC')
index
PeriodIndex(['1959Q1', '1959Q2', '1959Q3', '1959Q4', '1960Q1', '1960Q2',
'1960Q3', '1960Q4', '1961Q1', '1961Q2',
...
'2007Q2', '2007Q3', '2007Q4', '2008Q1', '2008Q2', '2008Q3',
'2008Q4', '2009Q1', '2009Q2', '2009Q3'],
dtype='int64', length=203, freq='Q-DEC')
data.index = index
data.head()
| year | quarter | realgdp | realcons | realinv | realgovt | realdpi | cpi | m1 | tbilrate | unemp | pop | infl | realint | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1959Q1 | 1959.0 | 1.0 | 2710.349 | 1707.4 | 286.898 | 470.045 | 1886.9 | 28.98 | 139.7 | 2.82 | 5.8 | 177.146 | 0.00 | 0.00 |
| 1959Q2 | 1959.0 | 2.0 | 2778.801 | 1733.7 | 310.859 | 481.301 | 1919.7 | 29.15 | 141.7 | 3.08 | 5.1 | 177.830 | 2.34 | 0.74 |
| 1959Q3 | 1959.0 | 3.0 | 2775.488 | 1751.8 | 289.226 | 491.260 | 1916.4 | 29.35 | 140.5 | 3.82 | 5.3 | 178.657 | 2.74 | 1.09 |
| 1959Q4 | 1959.0 | 4.0 | 2785.204 | 1753.7 | 299.356 | 484.052 | 1931.3 | 29.37 | 140.0 | 4.33 | 5.6 | 179.386 | 0.27 | 4.06 |
| 1960Q1 | 1960.0 | 1.0 | 2847.699 | 1770.5 | 331.722 | 462.199 | 1955.5 | 29.54 | 139.6 | 3.50 | 5.2 | 180.007 | 2.31 | 1.19 |
data.infl[:5]
1959Q1 0.00
1959Q2 2.34
1959Q3 2.74
1959Q4 0.27
1960Q1 2.31
Freq: Q-DEC, Name: infl, dtype: float64