python数据分析与可视化——时间序列数据分析

时间序列数据分析

日期和时间数据类型

datetime构造
Python标准库中包含了用于日期（date）、时间（time）、日历（calendar）等功能的数据类型，主要会用到datetime、time、calendar模块，我们主要介绍一下datetime模块。

datetime库的时间数据类型为：

数据转换

1. datetime -> str：将datetime类数据转换为字符串数据。
   str方法：
   datetime.strftime方法： 可以将datetime类数据转换为格式化字符串数据。
2. str -> datetime :将字符串数据转换为datetime类数据。
   datetime.strptime(…):根据string, format 2个参数，返回一个对应的datetime对象

datetime格式说明

时间序列，日期范围频率和移动

时间序列构造：
Pandas中的时间序列指的是以时间数据为索引的Series或DataFrame，构造方法即为Series的构造方法。

日期范围
Pandas的通用时间序列是不规则的，即时间序列的频率是不固定的。然而经常有需要处理固定频率的场景，如每天、每月等。使用pd.date_range函数可以创建指定长度的DatetimeIndex。

频率和移位
pandas中的频率是由一个基础频率和一个乘数组成的。基础频率通常以一个字符串别名表示，比如”H”表示每小时。对于每个基础频率，都有一个被称为日期偏移量的对象与之对应。可以通过实例化日期偏移量来创建某种频率：在基础频率前面放上一个整数即可创建偏移量的倍数。

时期基础
Period可以创建时期型的数据，传入字符串、整数或频率即可。

频率转换
Period和PeriodIndex对象可以通过asfreq方法转换频率。

时期数据转换
利用to_period方法可以将由时间戳索引的时间序列数据转换为以时期为索引。

频率转换和重采样

重采样是时间序列频率转换的过程,Pandas中的resample函数用于各种频率的转换工作。

resample方法的参数与说明：

降采样
在降采样中，需要考虑closed和label参数，分别表示哪边区间是闭合的，哪边是标记的。

升采样
在升采样中主要是数据的插值，即对缺失值进行填充，填充方法与fillna相似。