Python数据分析 | (33) 时间序列基础

目录

1. 时间序列基础

2. 索引、选取、子集构造

3. 带有重复索引值的时间序列

---

1. 时间序列基础

import numpy as np
import pandas as pd
np.random.seed(12345)
import matplotlib.pyplot as plt
plt.rc('figure', figsize=(10, 6))
PREVIOUS_MAX_ROWS = pd.options.display.max_rows
pd.options.display.max_rows = 20
np.set_printoptions(precision=4, suppress=True)

pandas最基本的时间序列类型就是以时间戳(通常以Python字符串或datatime对象表示)为索引的Series:

from datetime import datetime
dates = [datetime(2011, 1, 2), datetime(2011, 1, 5),
         datetime(2011, 1, 7), datetime(2011, 1, 8),
         datetime(2011, 1, 10), datetime(2011, 1, 12)]
ts = pd.Series(np.random.randn(6), index=dates)
ts

这些datetime对象实际上是被放在一个DatetimeIndex中的:

ts.index

跟其他Series一样，不同索引的时间序列之间的算术运算会自动按日期对 齐:

print(ts[::2]) #每隔一个取一个
ts + ts[::2]

pandas用NumPy的datetime64数据类型以纳秒形式存储时间戳:

ts.index.dtype

DatetimeIndex中的各个标量值是pandas的Timestamp对象:

stamp = ts.index[0]
stamp

只要有需要，TimeStamp可以随时自动转换为datetime对象。此外，它还可以存储频率信息(如果有的话)，且知道如何执行时区转换以及其他操作。 之后将对此进行详细讲解。

 

2. 索引、选取、子集构造

当你根据标签索引选取数据时，时间序列和其它的pandas.Series很像:

print(ts)
stamp = ts.index[2]
print(ts[stamp]) #标签索引
print(ts[2]) #整数索引

还有一种更为方便的用法:传入一个可以被解释为日期的字符串:

print(ts['1/10/2011'])
print(ts['20110110'])
ts['2011-01-10']

对于较长的时间序列，只需传入“年”或“年月”即可轻松选取数据的切片:

longer_ts = pd.Series(np.random.randn(1000),
                      index=pd.date_range('1/1/2000', periods=1000))#天为单位
longer_ts

longer_ts['2001']

这里，字符串“2001”被解释成年，并根据它选取时间区间。指定月也同样奏效:

longer_ts['2001-05']

datetime对象也可以进行切片:

print(ts)
ts[datetime(2011, 1, 7):]

由于大部分时间序列数据都是按照时间先后排序的，因此你也可以用不存在于该时间序列中的时间戳对其进行切片(即范围查询):

ts['1/6/2011':'1/11/2011']

跟之前一样，你可以传入字符串日期、datetime或Timestamp进行索引。注意，这样 切片所产生的是原时间序列的视图（共享内存），跟NumPy数组的切片运算是一样的。

这意味着，没有数据被复制，对切片进行修改会反映到原始数据上。

此外，还有一个等价的实例方法也可以截取两个日期之间TimeSeries:

ts.truncate(after='1/9/2011')

这些操作对DataFrame也有效。例如，对DataFrame的行进行索引:

dates = pd.date_range('1/1/2000', periods=100, freq='W-WED') #间隔单位为周
long_df = pd.DataFrame(np.random.randn(100, 4),
                       index=dates,
                       columns=['Colorado', 'Texas',
                                'New York', 'Ohio'])
long_df.loc['5-2001']

 

3. 带有重复索引值的时间序列

在某些应用场景中，可能会存在多个观测数据落在同一个时间点上的情况。下面就是一个例子:

dates = pd.DatetimeIndex(['1/1/2000', '1/2/2000', '1/2/2000',
                          '1/2/2000', '1/3/2000'])
dup_ts = pd.Series(np.arange(5), index=dates)
dup_ts

通过检查索引的is_unique属性，我们就可以知道它是不是唯一的:

dup_ts.index.is_unique

对这个时间序列进行索引，要么产生标量值，要么产生切片，具体要看所选的时间点是否重复:

print(dup_ts['1/3/2000'])# not duplicated
dup_ts['1/2/2000']  # duplicated

假设你想要对具有非唯一时间戳的数据进行聚合。一个办法是使用 groupby，并传入level=0:

grouped = dup_ts.groupby(level=0)
print(grouped.mean())
grouped.count()