时间序列是一种重要的结构化数据形式。
时间序列的数据意义取决于应用的场景:
1.时间戳(timestamp) : 特定的时刻
2.固定时期(period),如2018年的8月
3.时间间隔(interval): 由起始的时间戳和结束的时间戳决定.时期(period)可以被看作时间间隔的特列,因为时间间隔过长,可以去这样想
可能我们经常见到或用到的索引就是时间戳。
1.日期和时间类型数据及工具
a.主要用到datetime,time,calendar模块。datetime.datetime可以简写为datetime。datetime是用的最多的数据.datetiem是以精确到毫秒的形式存储数据.
from datetime import datetime
now=datetime.now() #获得当前时间戳
print(now)
#输出:
2018-08-21 19:59:26.294945
print(now.year,now.month,now.day) #显示当前时间年 月 日
#输出:
2018 8 21
a=datetime(2008,7,1)
print(a)
#输出:
2008-07-01 00:00:00
b.timedelta表示两个时间对象之间的时间差
delta=datetime(2011,1,7)-datetime(2008,6,24,8,15)
print(delta.days)
print(delta.seconds)
print(delta) #两个对象的时间差,天和秒 在timedelta中就默认为天和秒
#输出:
926
56700
926 days, 15:45:00
from datetime import timedelta
time=datetime(2018,8,21)
time1=time+timedelta(12) #加上12days
print(time1)
#输出:
2018-09-02 00:00:00
time2=time+timedelta(12,50) #加上12天 50秒钟
print(time2)
#输出:
2018-09-02 00:00:50
datetime模块中的数据类型
2.字符串和datetime的相互转换
str()和strftime(传入的格式化字符串)可以将datetime格式化为字符串
stamp=datetime(2018,8,21)
stamp1=str(stamp)
print(stamp1)
stamp2=stamp.strftime('%Y-%m-%d')
print(stamp2)
#输出:
2018-08-21 00:00:00
2018-08-21
datetime格式定义
datetime.strptime(字符串,格式日期)
value='2018-8-21'
print(datetime.strptime(value,'%Y-%m-%d'))
datestr=['2018-8-11','2018-8-1']
print([datetime.strptime(x,'%Y-%m-%d') for x in datestr])
#输出:
2018-08-21 00:00:00
[datetime.datetime(2018, 8, 11, 0, 0), datetime.datetime(2018, 8, 1, 0, 0)]
使用dateutil这个第三方库的parser.parse的方法,可以不用去编写格式定义,直接将字符串传入进行解析就行了。
from dateutil.parser import parse
print(parse('2011-01-03'))
#输出:
2011-01-03 00:00:00
parse可以解析人类能够理解的任何日期表现形式
print(parse('Jan 31, 1997 10:45 PM'))
#输出:
1997-01-31 22:45:00
pandas可以处理成组的日期形式,不管这些日期形式是DataFrame的列索引和行(轴)索引
import pandas as pd
datestrs = ['2011-07-06 12:00:00', '2011-08-06 00:00:00']
print(pd.to_datetime(datestrs))
idx=pd.to_datetime(datestrs+[None]) #可以处理缺失值(None,空字符串)
print(idx)
print(idx[2])
print(pd.isnull(idx))
#输出:
DatetimeIndex(['2011-07-06 12:00:00', '2011-08-06 00:00:00'], dtype='datetime64[ns]', freq=None)
DatetimeIndex(['2011-07-06 12:00:00', '2011-08-06 00:00:00', 'NaT'], dtype='datetime64[ns]', freq=None)
NaT #NaT(not a time) 是pandas中的时间戳中的缺失值
[False False True]