时间序列分析在数据挖掘与统计分析中具有举足轻重的地位,它帮助人们从已有的时间序列数据中挖掘规律、预测未知,尤其是在金融量化分析领域,这绝对是不可不提、不可不用的利器,他是一切模型和策略的构建基础。
在 Python 中,时间序列通常使用 0 Pandas 中的 Series 或 Dataframe 结构来表示,与一般数值型的 Series 或 Dataframe 结构本质上是一样的,但是有一个重要的不同之处就在于他的索引数据是时间类型的。
基于上述需求和特点,全文内容分为三大部分:
首先学习如何利用 Python 有效的表示日期类型数据;
然后聚焦日期型索引的表示和操作方法;
最后详细探讨利用 Pandas 处理时间序列的核心技巧。
本场 Chat 作者:张雨萌
1. 清华大学计算机科学与技术系硕士毕业,研究方向:数据分析、自然语言处理;
2. 受欢迎的知乎科技专栏作家,专栏关注量15000;
3. 个人已出版机器学习算法类技术书籍。
扫码下方二维码
预订本场 Chat
▼
点击阅读原文,订阅本场 Chat !