Pandas10--时序数据

---

1 时序中的基本对象

• 【例子】：例如2020年9月7日周一早上8点整需要到教室上课，这个课会在当天早上10点结束
• 时间戳（Date times）：即’2020-9-7 08:00:00’和’2020-9-7 10:00:00’这两个时间点分别代表了上课和下课的时刻。
  • 在 pandas中称为 Timestamp
  • 一系列的时间戳可以组成 DatetimeIndex，而将它放到 Series中后， Series 的类型就变为了 datetime64[ns]，如果有涉及时区则为 datetime64[ns, tz]，其中tz是timezone的简写。
• 时间差（Time deltas）：即上课需要的时间
  • 两个 Timestamp 做差就得到了时间差，pandas中利用 Timedelta 来表示。
  • 类似的，一系列的时间差就组成了TimedeltaIndex， 而将它放到Series中后， Series的类型就变为了timedelta64[ns]
• 时间段（Time spans）：即在8点到10点这个区间都会持续地在上课
  • 在pandas 利用 Period 来表示。
  • 类似的，一系列的时间段就组成了PeriodIndex， 而将它放到 Series 中后， Series的类型就变为了Period。
• 日期偏置（Date offsets）：假设你只知道9月的第一个周一早上8点要去上课，但不知道具体的日期，那么就需要一个类型来处理此类需求
  • pandas 中的 DateOffset
  • 同时，pandas 中没有为一列时间偏置专门设计存储类型，一般来说我们只需要对一批时间特征做一个统一的特殊日期偏置。

概念	单元素类型	数组类型	pandas数据类型
Date times	Timestamp	DatetimeIndex	datetime64[ns]
Time deltas	Timedelta	TimedeltaIndex	timedelta64[ns]
Time spans	Period	PeriodIndex	period[freq]
Date offsets	DateOffset	None	None

---

2 时间戳

2.1 Timestamp的构造与属性

• pd.Timestamp函数：单个时间戳的生成利用此函数实现
  • 通过 year, month, day, hour, min, second可以获取具体的数值
  • 【例子】

  ts = pd.Timestamp('2020/1/1')
  ts
  # Timestamp('2020-01-01 00:00:00')
  ts = pd.Timestamp('2020-1-1 08:10:30')
  ts
  # Timestamp('2020-01-01 08:10:30')
  

  ts.year
  # 2020
  ts.second
  # 30
  

• 时间戳的表示范围： 在 pandas中，时间戳的最小精度为纳秒 ns ，由于使用了64位存储，可以表示的时间范围大约可以如下计算：
  Time Range $=\frac{2^{64}}{10^9\times 60\times 60\times 24\times 365}\approx 585($ Years $)$
  通过 pd.Timestamp.max 和 pd.Timestamp.min 可以获取时间戳表示的范围：

  pd.Timestamp.max
  # Timestamp('2262-04-11 23:47:16.854775807')
  pd.Timestamp.min
  # Timestamp('1677-09-21 00:12:43.145225')
  pd.Timestamp.max.year - pd.Timestamp.min.year
  # 585
  

2.2 Datetime序列的生成

• to_datetime函数：能够把一列时间戳格式的对象转换成为datetime64[ns]类型的时间序列
  • 在极少数情况，时间戳的格式不满足转换时，可以强制使用 format进行匹配
  • 【例子】

  pd.to_datetime(['2020-1-1', '2020-1-3', '2020-1-6'])
  #  DatetimeIndex(['2020-01-01', '2020-01-03', '2020-01-06'], dtype='datetime64[ns]', freq=None)
  temp = pd.to_datetime(['2020\\1\\1','2020\\1\\3'],format='%Y\\%m\\%d')
  temp
  # DatetimeIndex(['2020-01-01', '2020-01-03'], dtype='datetime64[ns]', freq=None)
  

  注意：上面由于传入的是列表，而非 pandas 内部的Series ，因此返回的是 DatetimeIndex，如果想要转为datetime64[ns]的序列，需要显式用 Series 转化

  pd.Series(temp).head()
  '''
  0   2020-01-01
  1   2020-01-03
  dtype: datetime64[ns]
  '''
  

  • 还存在一种把表的多列时间属性拼接转为时间序列的to_datetime操作，此时的列名必须和以下给定的时间关键词列名一致

  df_date_cols = pd.DataFrame({
       'year': [2020, 2020],
                               'month': [1, 1],
                               'day': [1, 2],
                               'hour': [10, 20],
                               'minute': [30, 50],
                               'second': [20, 40]})
  pd.to_datetime(df_date_cols