时间序列
补充一个点
在很多方法中都有inplace这个参数,默认是False,它表示是否要原地进行转换,如果设置inplace=True的话,数据本身就发生变化了。
生成一段时间范围
pd.date_range(start=None, end=None, periods=None, freq='D')
start和end以及freq配合能够生成start和end范围内以频率freq的一组时间索引
start和period以及freq配合能够生成从start开始的频率为freq的periods个时间索引
关于频率freq的更多缩写
在DataFrame中使用时间序列
index = pd.date_range("20170101",periods=10)
df = pd.DataFrame(np.random.rand(10),index=index)
使用pandas提供的方法把时间字符串转化为时间序列
df["timeStamp"] = pd.to_datetime(df["timeStamp"],format="")
format参数大部分情况下可以不用写,但是对于pandas无法格式化的时间字符串,我们可以使用该参数,比如包含中文
pandas重采样
重采样:指的是将时间序列从一个频率转化为另一个频率进行处理的过程,将高频率数据转化为低频率数据为降采样(如将h转化为d,降采样较常见),低频率转化为高频率为升采样
pandas提供了一个resample的方法来实现频率转化
PeriodIndex
DatetimeIndex可以理解为时间戳,而PeriodIndex可以理解为时间段
periods =
pd.PeriodIndex(year=data["year"],month=data["month"],day=data["day"],hour=data["hour"],freq="H")
降采样
data = df.set_index(periods).resample("10D").mean()