pandas 季度_pandas_时间序列和常用操作

#时间序列和常用操作

importpandas as pd#每隔五天--5D

pd.date_range(start = '20200101',end = '20200131',freq = '5D')'''DatetimeIndex(['2020-01-01', '2020-01-06', '2020-01-11', '2020-01-16',

'2020-01-21', '2020-01-26', '2020-01-31'],

dtype='datetime64[ns]', freq='5D')'''

#每隔一周--W

pd.date_range(start = '20200301',end = '20200331',freq = 'W')'''DatetimeIndex(['2020-03-01', '2020-03-08', '2020-03-15', '2020-03-22',

'2020-03-29'],

dtype='datetime64[ns]', freq='W-SUN')'''

#间隔两天,五个数据

pd.date_range(start = '20200301',periods = 5,freq = '2D')#periods 几个数据 ,freq 间隔时期，两天

'''DatetimeIndex(['2020-03-01', '2020-03-03', '2020-03-05', '2020-03-07',

'2020-03-09'],

dtype='datetime64[ns]', freq='2D')'''

#间隔三小时，八个数据

pd.date_range(start = '20200301',periods = 8,freq = '3H')'''DatetimeIndex(['2020-03-01 00:00:00', '2020-03-01 03:00:00',

'2020-03-01 06:00:00', '2020-03-01 09:00:00',

'2020-03-01 12:00:00', '2020-03-01 15:00:00',

'2020-03-01 18:00:00', '2020-03-01 21:00:00'],

dtype='datetime64[ns]', freq='3H')'''

#三点开始，十二个数据，间隔一分钟

pd.date_range(start = '202003010300',periods = 12,freq = 'T')'''DatetimeIndex(['2020-03-01 03:00:00', '2020-03-01 03:01:00',

'2020-03-01 03:02:00', '2020-03-01 03:03:00',

'2020-03-01 03:04:00', '2020-03-01 03:05:00',

'2020-03-01 03:06:00', '2020-03-01 03:07:00',

'2020-03-01 03:08:00', '2020-03-01 03:09:00',

'2020-03-01 03:10:00', '2020-03-01 03:11:00'],

dtype='datetime64[ns]', freq='T')'''

#每个月的最后一天

pd.date_range(start = '20190101',end = '20191231',freq = 'M')'''DatetimeIndex(['2019-01-31', '2019-02-28', '2019-03-31', '2019-04-30',

'2019-05-31', '2019-06-30', '2019-07-31', '2019-08-31',

'2019-09-30', '2019-10-31', '2019-11-30', '2019-12-31'],

dtype='datetime64[ns]', freq='M')'''

#间隔一年，六个数据，年末最后一天

pd.date_range(start = '20190101',periods = 6,freq = 'A')'''DatetimeIndex(['2019-12-31', '2020-12-31', '2021-12-31', '2022-12-31',

'2023-12-31', '2024-12-31'],

dtype='datetime64[ns]', freq='A-DEC')'''

#间隔一年，六个数据，年初最后一天

pd.date_range(start = '20200101',periods = 6,freq = 'AS')'''DatetimeIndex(['2020-01-01', '2021-01-01', '2022-01-01', '2023-01-01',

'2024-01-01', '2025-01-01'],

dtype='datetime64[ns]', freq='AS-JAN')'''

#使用 Series 对象包含时间序列对象,使用特定索引

data = pd.Series(index = pd.date_range(start = '20200321',periods = 24,freq = 'H'),data = range(24))'''2020-03-21 00:00:00 0

2020-03-21 01:00:00 1

2020-03-21 02:00:00 2

2020-03-21 03:00:00 3

2020-03-21 04:00:00 4

2020-03-21 05:00:00 5

2020-03-21 06:00:00 6

2020-03-21 07:00:00 7

2020-03-21 08:00:00 8

2020-03-21 09:00:00 9

2020-03-21 10:00:00 10

2020-03-21 11:00:00 11

2020-03-21 12:00:00 12

2020-03-21 13:00:00 13

2020-03-21 14:00:00 14

2020-03-21 15:00:00 15

2020-03-21 16:00:00 16

2020-03-21 17:00:00 17

2020-03-21 18:00:00 18

2020-03-21 19:00:00 19

2020-03-21 20:00:00 20

2020-03-21 21:00:00 21

2020-03-21 22:00:00 22

2020-03-21 23:00:00 23

Freq: H, dtype: int64'''

#查看前五个数据

data[:5]'''2020-03-21 00:00:00 0

2020-03-21 01:00:00 1

2020-03-21 02:00:00 2

2020-03-21 03:00:00 3

2020-03-21 04:00:00 4

Freq: H, dtype: int64'''

#三分钟重采样，计算均值

data.resample('3H').mean()'''2020-03-21 00:00:00 1

2020-03-21 03:00:00 4

2020-03-21 06:00:00 7

2020-03-21 09:00:00 10

2020-03-21 12:00:00 13

2020-03-21 15:00:00 16

2020-03-21 18:00:00 19

2020-03-21 21:00:00 22

Freq: 3H, dtype: int64'''

#五分钟重采样，求和

data.resample('5H').sum()'''2020-03-21 00:00:00 10

2020-03-21 05:00:00 35

2020-03-21 10:00:00 60

2020-03-21 15:00:00 85

2020-03-21 20:00:00 86

Freq: 5H, dtype: int64'''

#计算OHLC open,high,low,close

data.resample('5H').ohlc()'''open high low close

2020-03-21 00:00:00 0 4 0 4

2020-03-21 05:00:00 5 9 5 9

2020-03-21 10:00:00 10 14 10 14

2020-03-21 15:00:00 15 19 15 19

2020-03-21 20:00:00 20 23 20 23'''

#将日期替换为第二天

data.index = data.index + pd.Timedelta('1D')#查看前五条数据

data[:5]'''2020-03-22 00:00:00 0

2020-03-22 01:00:00 1

2020-03-22 02:00:00 2

2020-03-22 03:00:00 3

2020-03-22 04:00:00 4

Freq: H, dtype: int64'''

#查看指定日期是星期几#pd.Timestamp('20200321').weekday_name#'Saturday'

#查看指定日期的年份是否是闰年

pd.Timestamp('20200301').is_leap_year#True

#查看指定日期所在的季度和月份

day = pd.Timestamp('20200321')#Timestamp('2020-03-21 00:00:00')

#查看日期的季度

day.quarter#1

#查看日期所在的月份

day.month#3

#转换为 python 的日期时间对象

day.to_pydatetime()#datetime.datetime(2020, 3, 21, 0, 0)