pandas记录之时间序列

1. 生成时间序列
   pd.data_range(start/end/periods(个数）/freq(间隔) 参数4选3

pd.date_range(start='20200101',periods=3,freq='D')
Out[3]:DatetimeIndex(['2020-01-01', '2020-01-02', '2020-01-03'], dtype='datetime64[ns]', freq='D')
pd.date_range(start='20200101',periods=3,freq='3D')
DatetimeIndex(['2020-01-01', '2020-01-04', '2020-01-07'], dtype='datetime64[ns]', freq='3D')
pd.date_range(start='20200101',periods=3,freq='0.5D')
Out[10]:DatetimeIndex(['2020-01-01 00:00:00', '2020-01-01 12:00:00',
               '2020-01-02 00:00:00'],
              dtype='datetime64[ns]', freq='12H')

freq常用

符号	D/B	W	M/Q/Y	BM/BQ/BY	MS/QS/YS	BMS/BQS/BYS	H	T	S
描述	日/工作日	周	月/季/年末日	月/季/年末工作日	月/季/年初日	月/季/年初工作日	小时	分钟	秒

2. 常用时间函数
   dayofweek函数结果里0对应周一；6对应周日

pd.to_datetime('20200629').dayofweek
0

resample函数

df_r = pd.DataFrame(np.random.randn(1000, 3),index=pd.date_range('1/1/2020', freq='10S', periods=1000),
                  columns=['A', 'B', 'C'])
df_r.head()

r = df_r.resample('0.5min')
r.sum()

窗口(window)函数:rolling

s = pd.Series(np.random.randn(1000),index=pd.date_range('1/1/2020', periods=1000))
s.head()
2020-01-01    0.802348
2020-01-02   -0.938157
2020-01-03   -1.700035
2020-01-04    1.549462
2020-01-05    0.367530
Freq: D, dtype: float64

s.rolling(window=3)
#1-3  2-4 3-5求和
s.rolling(window=3).sum()
2020-01-01         NaN
2020-01-02         NaN
2020-01-03   -0.653915
2020-01-04   -2.161374
2020-01-05   -2.481817
                ...   
2022-09-22    4.451041
2022-09-23    3.216510
2022-09-24   -0.255216
2022-09-25    0.908862
2022-09-26    2.150317
Freq: D, Length: 1000, dtype: float64
#1-3  2-4 3-5求均值
s.rolling(window=3).mean()
2020-01-01         NaN
2020-01-02         NaN
2020-01-03   -0.217972
2020-01-04   -0.720458
2020-01-05   -0.827272
                ...   
2022-09-22    1.483680
2022-09-23    1.072170
2022-09-24   -0.085072
2022-09-25    0.302954
2022-09-26    0.716772
Freq: D, Length: 1000, dtype: float64

未完待续