Python Pandas时间序列和重采样

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from datetime import datetime
from datetime import timedelta

获取现在时间

now = datetime.now()
print(now)

print(now.year, now.month, now.day)

2020 5 7

计算日期间隔

data1 = datetime(2020, 5, 20)
data2 = datetime(2020, 6, 20)
delta = data2 - data1
print(delta)

31 days, 0:00:00

差了多少秒

print(delta.total_seconds())

2678400.0

格式化时间

date = datetime(2016, 3, 20, 8, 30)
print(date.strftime("%Y/%m/%d %H:%M:%S"))

2016/03/20 08:30:00

创建时间序列

dates = [datetime(2016, 3, 1), datetime(2016, 3, 2), datetime(2016, 3, 3), datetime(2016, 3, 4)]
s = pd.Series(np.random.randn(4), index=dates)
print(s)

2016-03-01    1.291515
2016-03-02   -0.860440
2016-03-03    2.306542
2016-03-04    0.038444

生成Datatime的时间序列

print(pd.date_range('20160320', '20160330'))

DatetimeIndex(['2016-03-20', '2016-03-21', '2016-03-22', '2016-03-23',
               '2016-03-24', '2016-03-25', '2016-03-26', '2016-03-27',
               '2016-03-28', '2016-03-29', '2016-03-30'],
              dtype='datetime64[ns]', freq='D')

以月为单位

print(pd.date_range(start='20160320', periods=10, freq='M'))

print(pd.date_range(start='20160320', periods=10, freq='M'))

Pandas的时期
在月份上加2

p = pd.Period(2010, freq='M')
print(p+2)

2010-03

转换频度
从年转换到月，以它的起始时间

print(a.asfreq('M', how='start'))

2016-01

时间段频率

p = pd.Period('2016Q4', 'Q-JAN')
print(p.asfreq('M', how='start'), p.asfreq('M', how='end'))

2015-11 2016-01

重采样(resampling)指的是将时间序列从一个频率转换到另一个频率的处理过程；
将高频率(间隔短)数据聚合到低频率(间隔长)称为降采样(downsampling)；
将低频率数据转换到高频率则称为升采样(unsampling)；
有些采样即不是降采样也不是升采样，例如将W-WED(每周三)转换为W-FRI；
Timestamp和Period相互转换

s = pd.Series(np.random.randn(5), index=pd.date_range('2016-04-01', periods=5, freq='M'))
print(s.to_period())

2016-04   -1.526392
2016-05    0.391265
2016-06   -0.820315
2016-07    0.517220
2016-08    0.011468

分析每分钟的交易量，进行5分钟的数据量相加

ts = pd.Series(np.random.randint(0, 50, 60), index=pd.date_range('2016-04-25 09:30', periods=60))
ts.resample('5min', how='sum')

2016-04-25 09:30:00    39
2016-04-25 09:35:00     0
2016-04-25 09:40:00     0

O：代表开盘汇率Open
H：代表最高汇率High
L: 代表最低汇率Low
C： 代表收盘汇率Close

print(ts.resample('5min', how='ohlc'))

通过groupby方法进行重采样
月份重采样求和

print(ts.groupby(lambda x: x.month).sum())

3    870
4    759
5    882
6    236
dtype: int32

第二种方法以月为单位的时期

print(ts.groupby(ts.index.to_period('M')).sum())