目录
时间序列
- 时间戳 tiimestamp:固定的时刻 -> pd.Timestamp
- 固定时期 period:比如 2016年3月份,再如2015年销售额 -> pd.Period
- 时间间隔 interval:由起始时间和结束时间来表示,固定时期是时间间隔的一个特殊
时间日期在 Pandas 里的作用
- 分析金融数据,如股票交易数据
- 分析服务器日志
1.python里的datetime模块
python 标准库里提供了时间日期的处理。这个是时间日期的基础。
1)时间差
2)字符串和 datetime 转换
2.Pandas 里的时间序列
Pandas 里使用 Timestamp 来表达时间
3.日期范围
1)生成时间范围
2)时间频率
4.时期及算术运算
pd.Period 表示时期,比如几日,月或几个月等。比如用来统计每个月的销售额,就可以用时期作为单位。
1)时间序列
2)时间的频率转换-asfreq
- A-DEC: 以 12 月份作为结束的年时期
- A-NOV: 以 11 月份作为结束的年时期
- Q-DEC: 以 12 月份作为结束的季度时期
3)季度时间频率
Pandas 支持 12 种季度型频率,从 Q-JAN 到 Q-DEC
4)Timestamp和Period相互转换
5.重采样
- 高频率 -> 低频率 -> 降采样:5 分钟股票交易数据转换为日交易数据
- 低频率 -> 高频率 -> 升采样
- 其他重采样:每周三 (W-WED) 转换为每周五 (W-FRI)
1)OHLC重采样
金融数据专用:Open/High/Low/Close
2)通过groupby重采样
3)升采样和插值
4)时间重采样
5)性能
6)时间日期解析
从文件中读取日期序列