pandas时间序列处理

时间序列

• 时间戳（timestamp）
• 固定周期（period）
• 时间间隔（interval）

date_range

• 可以指定开始时间与周期
• H：小时
• D：天
• M：月

import pandas as pd
import numpy as np
#TIMES #2019 Jul 1 #7/7/2019 1/7/2016 2019-7-01 2019/07/01
rng=pd.date_range('2019-07-01',periods=10,freq='D')#可以指定开始时间与周期：H:小时，D:天，M:月，前面可以加数字，如‘3D’
rng

time=pd.Series(np.random.randn(20),
           index=pd.date_range(pd.datetime(2019,1,1),periods=20))
print(time)

#truncate过滤
time.truncate(before='2019-01-10')#2019-1-10之后的数据，包括2019-01-10

time.truncate(after='2019-1-10')#由上可知

print(time['2019-01-15'])

0.22996364154291105

data=pd.date_range('2010-01-01','2011-01-01',freq='M')
print(data)

时间戳

pd.Timestamp('2019-01-10')
#out : imestamp('2019-01-10 00:00:00')

# 可以指定更多细节
pd.Timestamp('2016-07-10 10')
pd.Timestamp('2016-07-10 13:14')
pd.Timestamp('2016-07-10 13:14:55')

时间戳

pd.Period('2019-01')
pd.Period('2016-01-01')

时间偏移量

pd.Timedelta('1 day')
print(pd.Period('2016-01-01 10:10') + pd.Timedelta('1 day'))
print(pd.Timestamp('2016-01-01 10:10') + pd.Timedelta('1 day'))
print(pd.Timestamp('2016-01-01 10:10') + pd.Timedelta('15 ns'))

p1 = pd.period_range('2016-01-01 10:10', freq = '25H', periods = 10)
p1

p2 = pd.period_range('2016-01-01 10:10', freq = '1D1H', periods = 10)#一天一个小时
p2

指定索引

rng = pd.date_range('2019 Jul 1', periods = 10, freq = 'D')

pd.Series(range(len(rng)), index = rng)

#根据时间点获取数据
periods = [pd.Period('2019-01'), pd.Period('2019-02'), pd.Period('2019-03')]
ts = pd.Series(np.random.randn(len(periods)), index = periods)
ts

时间戳和时间周期可以转换

ts = pd.Series(range(10), pd.date_range('07-10-16 8:00', periods = 10, freq = 'H'))
ts

ts_period = ts.to_period()
ts_period