【Python数据处理专题】-时间序列

时间序列

pandas时间序列

• time series
  • 结构化数据形式

1. 时间戳，timestamp，特定的时刻
2. 固定时期，period
3. 时间间隔，interval

时间序列基础

DatetimeIndex

• pandas中的datetime对象

• ts = pd.Series(np.random.randn(6),
                 index=pd.date_range('2018/11/11',period=6))
  
  ts.index # DatetimeIndex，时间戳
  ts.index.dtype # 用Numpy的datetime64数据类型以 纳秒 形式存储时间戳
  ts.index[0] # Timestamp
  

对Series的操作

• 索引

  ts['2018/11/11']
  ts['20181111']
  ts['2018']
  ts['2018/11']
  

• 切片

  ts[datetime(2018,11,11):]
  ts['2018/11/11':'2019/11/11'] # 用不存在与该时间序列中的时间戳切片
  

• 过滤

  ts.truncate(after='2018/11/12')
  

对DataFrame的操作

• 对DataFrame的操作

  df.loc['2018/11']
  

• 对非唯一时间戳聚合

  df.index.is_unique # 属性判断索引是否唯一
  df.groupby(level=0).mean()
  

重采样

• resampling

  • 将时间序列从一个频率转换到另一个频率的处理过程
    • 高频率 聚合 低频率——降采样（downsampling）
    • 升采样（upsampling）：低频率数据 转换到 高频率
    • 并不是所有的重采样，都被划分为这两大类
      • W-WED（每周三）转换为W-FRI，既不是降采样也不是升采样

  ts.resample('D') #字符串‘D’是每天的意思
  ts.resample('M',kind='period').mean()
  

resample方法的参数

• ts.resample(freq=, # 重采样频率的字符串
              axis=, # 重采样的轴，默认axis=0
              fill_method=, # 升采样如何插值：‘ffill’，‘bfil