Pandas是在金融建模的背景下开发的,因此它包含了一套相当广泛的工具,用于处理日期、时间和带时间索引数据的处理工具。
?君今天和大家聊聊日期和时间数据的三种类型:
时间戳指的是某个具体的时间点。(例如,2018年10月10日早上9点)
时间间隔和周期表示特定的开始时间点和结束时间点之间的时间长度。例如,2018年(指的是2018年1月1日至2018年12月31日这段时间间隔)周期通常指的是时间间隔的一种特殊形式,其中每个间隔的长度是一致的,彼此之间不会重叠。(例如,以24小时为周期构成每一天)
时间增量time delta或持续时间duration表示精确的时间长度(例如,持续时间为27.36秒)
在本文中,我们将介绍如何在Pandas中处理这3种类型的日期/时间数据。
限于篇幅,无法对Python或Pandas中可用的时间序列工具进行详尽的介绍,而是通过一个广泛的讨论,总结用户应该如何处理时间序列。
我们将首先简要介绍在Python中处理日期和时间数据的工具,然后再具体了解Pandas提供的工具。
最后,我们将通过一些简短的例子来演示Pandas中处理时间序列数据的方法。
# Python的日期与时间工具
在Python世界里有许多可用的日期、时间、时间增量和时间跨度(timespans)