Pandas数据分析 - 时间相关的数据类型

常见的两种数据类型是datetime和timedelta。

datetime顾名思义就是既有日期date也有时间time，表示一个具体的时间点(时间戳)。2021-12-23 (date) 12:00:00 (time)  ---> datetime

timedelta则表示两个时间点之间的差，比如2020-01-01和2020-01-02之间的timedelta即为一天。

将时间列转换为时间格式

data.trade_date.head()


0    20190102
1    20190103
2    20190104
3    20190107
4    20190108
Name: trade_date, dtype: object


# 运用pd.to_datetime()，可以将对应的列转换为Pandas中的datetime64类型，便于后期的处理
data["trade_date"] = pd.to_datetime(data.trade_date)
data.trade_date.head()


0   2019-01-02
1   2019-01-03
2   2019-01-04
3   2019-01-07
4   2019-01-08
Name: trade_date, dtype: datetime64[ns]

时间序列的索引

#时间序列中索引和Pandas普通的索引类似，大多时候调用.loc[index,columns]进行相应的索引

data1 = data.set_index("trade_date")

# 2019年6月的数据
data1.loc["2019-06"].head()


                close       open       high        low
trade_date
2019-06-03  2890.0809  2901.7424  2920.8292  2875.9019
2019-06-04  2862.2803  2887.6405  2888.3861  2851.9728
2019-06-05  2861.4181  2882.9369  2888.7676  2858.5719
2019-06-06  2827.7978  2862.3327  2862.3327  2822.1853
2019-06-10  2852.1302  2833.0145  2861.1310  2824.3554


# 2019年6月-2019年8月的数据
data1.loc["2019-06":"2019-08"].tail()

                close