时间序列数据分析

类型	使用说明
date	日期（年、月、日）
time	时间（时、分、秒、毫秒）
datetime	日期和时间
timedelta	两个datetime的差（日、秒、毫秒）
txinfo	用于存储时区信息的基本类型

导包

import datetime

datetime

datetime.date(2020, 1, 1)

datetime.date(2020, 1, 1)

datetime.time(11, 11, 11)

datetime.time(11, 11, 11)

# 查看当前时间
datetime.datetime.now()

datetime.datetime(2020, 7, 6, 16, 12, 44, 196492)

now = datetime.datetime.now()
birth = datetime.datetime(2000, 1, 1)
delta = now - birth
print (delta)
new = birth + datetime.timedelta(120)
print (new)

7492 days, 16:16:15.651126
2000-04-30 00:00:00

数据转换

类型	描述
%Y	四位的年份
%y	两位的年份
%m	两位的月份
%d	两位的日期
%H	小时，24制
%I	小时，12制
%M	两位的分钟
%S	两位的秒
%W	每年的第几周
%F	%M-%m-%d的简写（2020-7-06）
%D	%m/%d/%y的简写（20/7/06）```python

datetime.datetime.now().strftime("%y-%m-%d %H:%M:%S")

‘20-07-06 16:34:20’

datetime.datetime.strptime('2020-01-01 0:0:0', '%Y-%m-%d %H:%M:%S')

datetime.datetime(2020, 1, 1, 0, 0)

重采样、降采样、升采样

Pandas中的resample函数用于各种频率转换工作。

参数	描述
freq	转换频率
axies=0	重采样的轴
closed=“right”	在降采样中，设置个时间段哪端是闭合的
label=“right”	在降采样中，如何设置聚合值的标签
loffset=None	设置时间偏移
kind=None	聚合到时期，默认为时间序列的索引类型
convention	升采样采用的约定（start或end），默认为end

rule	effect
B	工作日频率
C	定制营业日频率(实验)
D	日历日频率
W	每周一次的频率
M	月末频率
BM	业务月末频度
CBM	定制业务月底频度
MS	月启动频率
BMS	业务月开始频率
CBMS	自定义业务月启动频率
Q	四分之一端频率
BQ	业务季度末频率
QS	四分之一起动频率
BQS	季度开始频率
A	年末频率
BA	营业年度结束频率
AS	作为年初频率
BAS	业务年度开始频率
BH	营业时间
H	每小时的频率
T	每分钟的频率
S	年代第二频率
L	milliseonds
U	微秒
N	纳秒

w = pd.date_range(start='2000/1/1',periods=100, freq='D')
y = pd.Series(np.arange(100), index=w)
print (y.head(8))
ps = y.resample('M').mean()
print (ps)

# 降低采样频率为三分钟
index = pd.date_range('1/1/2000', periods=9, freq='T')
series = pd.Series(range(9), index=index)
series

# 降低采样频率为三分钟，但是每个标签使用right来代替left。请注意，bucket中值的用作标签。
series.resample('3T').sum()

# 降低采样频率为三分钟，但是关闭right区间。
series.resample('3T', label='right').sum()

# 增加采样频率到30秒 
series.resample('3T', label='right', closed='right').sum()

# 增加采样频率到30S,使用pad方法填充nan值
series.resample('30S').asfreq()[0:5] #select first 5 rows

# 增加采样频率到30S,使用bfill方法填充nan值。
series.resample('30S').pad()[0:5]

# 通过apply运行一个自定义函数 
series.resample('30S').bfill()[0:5]