Python数据分析第七课：时间序列数据的处理

在金融、经济、物理学等领域，都需要在多个时间点观测或者测量数据，这样就产生了关于时间序列的数据。

时间序列数据（Time Series Data）是在不同时间上收集到的数据，这类数据是按时间顺序收集到的，用于描述现象随时间变化的情况。

学会如何对时间序列数据进行巧妙的处理非常重要，Pandas为我们提供了强大的时间序列数据处理的方法。

一、日期和时间数据类型

Python标准库包含了日期和时间数据的数据类型，datetime模块是开始处理时间数据最广泛的。

下面我们先简单的了解下python日期和时间数据类型。

datetime是一个关于时间的库，常用的类有：

日期类型的使用：

import datetime

# 创建日期
date = datetime.date(2020,5,31)
print(date)

# 获取年
print(date.year)
# 获取月
print(date.month)
# 获取日
print(date.day)

2020-05-31
2020
5
31

时间（time）类型的使用，如下所示：

import datetime

time = datetime.time(13,14,20)
print(time)

# 获取小时
print(time.hour)
# 获取分钟
print(time.minute)
# 获取秒
print(time.second)

13:14:20
13
14
20

日期和时间的结合（datetime）：

import datetime

datetime = datetime.datetime(2020,5,31,13,14,20)
print(datetime)

# 获取年
print(datetime.year)
# 获取月
print(datetime.month)
# 获取日
print(datetime.day)
# 获取小时
print(datetime.hour)
# 获取分钟
print(datetime.minute)
# 获取秒
print(datetime.second)

2020-05-31 13:14:20
2020
5
31
13
14
20

小结：

datetime模块：

• time方法可以创建时间
• date方法可以创建日期
• datetime方法则是日期和时间的结合体。
• 通过year、month、day、hour、minute、second属性，可以获取到相应的日期或者时间的值。
• 使用datetime.now()方法可以获取到当前时间：

datetime = datetime.now()
print(datetime)

2020-05-31 12:21:27.681568

现在我们知道如何使用datetime模块创建时间，但是有些时候我们可能需要将datetime类型转成字符串样式。

例如：将datetime.datetime(2019, 9, 9, 13, 14, 20)转换成2019-9-9 13:14:20样式的字符串。

有的同学会问道：“datetime.datetime(2019, 9, 9, 13, 14, 20)输出的的结果不就是2019-9-9 13:14:20吗？为什么还需要变？”。

没错，它的结果就是我们想要的样式，但是，需要注意的是它的类型是datetime，并不是str。

如果我们只是单一的想改变类型，就可以使用强制类型转换：

datetime = datetime.now()

print(type(datetime))
str_datetime = str(datetime)
print(str_datetime)
print(type(str_datetime))

<class 'datetime.datetime'>
2020-05-31 12:28:05.940736
<class 'str'>