python——时间序列

日期和时间数据类型及工具

获取当前时间：

from datetime import datetime
now=datetime.now()
print(now)

运行结果：

 如果想获取当前的年月日，只需要变成now.year,   now.month和now.day

字符串和datetime相互转换

先上代码：

stamp=datetime(2011,1,3)
print(str(stamp))
print(stamp.strftime('%y-%m-%d'))

 其中，运行结果为：

 str（一个时间序列）可以将一个时间序列转换成字符串

如果想要解析时间，则需要用到parse（）

from dateutil.parser import parse
print(parse('2011-1-3'))

 运行结果：

 如果平时的时日在前面，则需要用到

print(parse('23/1/2033',dayfirst=True))

 时间序列基础

dates = [datetime(2011, 1, 2), datetime(2011, 1, 5),datetime(2011, 1, 7), datetime(2011, 1, 8),
datetime(2011, 1, 10), datetime(2011, 1, 12)]
ts=pd.Series(np.random.randn(6),index=dates)
print(ts)
print('-----------------')
print(ts+ts[::2])

其中有几个知识点：

一个是时间序列也可以作为索引添加到Series里面，第二个是，时间序列相加的时候，会自动按照时间对齐（如果有一个没有该数据，则会变成nall）

索引、选取、子集构造

stamp2=ts.index[2]
print(ts[stamp2])
print(ts['1/7/2011'])

在这里面，我们可以向该Series里面传入任何可以被解释为时间的字符串

也可以传入不完整的时间，例如

print(ts['2011/1'])

运行结果：

 以下的方式也是正确的，即得到1.6日之后的数据

print(ts['2011/1/6':])
print(ts[:'2011/1/7'])

 运行结果分别是6日之后的和7日之前的（包含6日和7日）

日期的范围、频率以及移动

生成日期范围

index = pd.date_range('2012-04-01', '2012-06-01')
index2=pd.date_range('2012-04-01',periods=20)
index3=pd.date_range(end='2012-04-01',periods=20)
index4=pd.date_range('2012-04-01','2013-02-01',freq='BM')
index5=pd.date_range('2012-04-01','2013-02-01',freq='4h30min')
#print(index)
#print(index2)

 其中，freq=‘BM’代表的是只包含每月的月末一天，其余的时间序列基础频率还包括：

移动数据

单纯移动：

print(ts.shift(2))

只传给shift一个数字，可以实现单纯的数据移动，运行结果见下图，即数据从上到下移动

 如果想实现日期的移动，则可以传给shift一个freq，即

print(ts.shift(2,freq='d'))

 即实现了日期的移动

 时区处理

本地化和转换

先上代码

import pytz
tz=pytz.timezone('US/Eastern')
print(tz)
print(ts.index.tz)
temp2=pd.date_range('2020/1/2',periods=5,freq='d',tz='UTC')
ts2=pd.Series(np.random.randn(5),index=temp2)
print(ts2.index.tz)

其中，tz代表时区，输出结果为：

 从某个时区到本地时区的转换用到了

ts2=ts2.tz_localize('UTC')

转换到其他时区用到了

ts2=ts2.tz_convert('UTC')

时期及算术运算

时期创建方式：

p=pd.Period(2007)
#print(p+5)

时期和日期可以互相转换：

print(p.to_timestamp())

得到结果：

 转换为时期为：

t=pd.Timestamp('2007.7.4',freq='m')
print(t.to_period())

注意一点：转换为时期的日期，必须有freq，不然 无法转换

重采样及频率转换

 运用resample方法

rng=pd.date_range('2020/1/14',periods=60,freq='d')
ts3=pd.Series(np.random.randn(60),index=rng)
print(ts3.resample('m').mean())

 其中还可以传入参数：label='left',closed='left'，其意义是：标签取左侧，左侧区间封闭

完整代码：

from datetime import datetime
import pandas as pd
import numpy as np
from dateutil.parser import parse
import pytz
now=datetime.now()
#print(now)
delat=datetime(2022,7,1)-datetime.now()
#print(delat)
#print(delat.seconds)
#print(delat.days)
start=datetime(2011,1,7)

stamp=datetime(2011,1,3)
#print(str(stamp))
#print(stamp.strftime('%y-%m-%d'))
#print(parse('23/1/2033',dayfirst=True))
dates = [datetime(2011, 1, 2), datetime(2011, 1, 5),datetime(2011, 1, 7), datetime(2011, 1, 8),
datetime(2011, 1, 10), datetime(2011, 1, 12),]
ts=pd.Series(np.random.randn(6),index=dates,)
#print(ts)
#('-----------------')
#print(ts+ts[::2])
stamp2=ts.index[2]
#print(ts[stamp2])
#print(ts['1/7/2011'])
#print(ts[:'2011/1/7'])
#print(ts.resample('d'))
index = pd.date_range('2012-04-01', '2012-06-01')
index2=pd.date_range('2012-04-01',periods=20)
index3=pd.date_range(end='2012-04-01',periods=20)
index4=pd.date_range('2012-04-01','2013-02-01',freq='4h30min')
index5=pd.date_range('2012-04-01','2013-02-01',freq='4h30min')
#print(index4)
#print(index)
#print(index2)
#print(ts.shift(2))
#print(ts.shift(2,freq='d'))
tz=pytz.timezone('US/Eastern')
#print(tz)
#print(ts.index.tz)
temp2=pd.date_range('2020/1/2',periods=5,freq='d',tz='UTC')
ts2=pd.Series(np.random.randn(5),index=temp2)
#print(ts2.index.tz)
p=pd.Period(2007)
#print(p+5)
#print(p.to_timestamp())
t=pd.Timestamp('2007.7.4',freq='m')
#print(t.to_period())
rng=pd.date_range('2020/1/14',periods=60,freq='d')
ts3=pd.Series(np.random.randn(60),index=rng)
print(ts3.resample('m',label='left',closed='left').mean())
ts3=ts3.shift(1,'m')
print(ts3.resample('m',label='left',closed='left').mean())