时间序列（一）时间序列的生成

                    版权声明：本文为博主原创文章，未经博主允许不得转载。                        https://blog.csdn.net/kong1287988804/article/details/78773193                    </div>
                                    <link rel="stylesheet" href="https://csdnimg.cn/release/phoenix/template/css/ck_htmledit_views-cd6c485e8b.css">
                                                        <div id="content_views" class="markdown_views">
                    <!-- flowchart 箭头图标 勿删 -->
                    <svg xmlns="http://www.w3.org/2000/svg" style="display: none;">
                        <path stroke-linecap="round" d="M5,0 0,2.5 5,5z" id="raphael-marker-block" style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);"></path>
                    </svg>
                    <p>时间序列 <br>

时间戳（timestamp）

固定周期（period）

时间间隔（interval）

date_range¶
可以指定开始时间与周期
H：小时
D：天
M：月

产生时间序列

# TIMES #2016 Jul 1 7/1/2016 1/7/2016 2016-07-01 2016/07/01
rng = pd.date_range('2016-07-01', periods = 10, freq = '3D')
 
 

 
 
1
2

参数1：日期 参数2：数目 参数3：间隔

time=pd.Series(np.random.randn(20),index=pd.date_range(dt.datetime(2016,1,1),periods=20))
 
 

 
 
1

创建一个Series，索引为时间序列
值为随机值

2016-01-01   -0.129379
2016-01-02    0.164480
2016-01-03   -0.639117
2016-01-04   -0.427224
2016-01-05    2.055133
2016-01-06    1.116075
2016-01-07    0.357426
2016-01-08    0.274249
2016-01-09    0.834405
2016-01-10   -0.005444
2016-01-11   -0.134409
2016-01-12    0.249318
2016-01-13   -0.297842
2016-01-14   -0.128514
2016-01-15    0.063690
2016-01-16   -2.246031
2016-01-17    0.359552
2016-01-18    0.383030
2016-01-19    0.402717
2016-01-20   -0.694068
Freq: D, dtype: float64
 
 

 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

truncate过滤
 
 

 
 
1

过滤掉2016-1-10之前数据

time.truncate(before='2016-1-10')
 
 

 
 
1

过滤掉2016-1-10之后数据

time.truncate(after='2016-1-10')
 
 

 
 
1

data=pd.date_range('2010-01-01','2011-01-01',freq='M')
print(data)
 
 

 
 
1
2

DatetimeIndex(['2010-01-31', '2010-02-28', '2010-03-31', '2010-04-30','2010-05-31', '2010-06-30', '2010-07-31', '2010-08-31','2010-09-30', '2010-10-31', '2010-11-30', '2010-12-31'], dtype='datetime64[ns]', freq='M')
 
 

 
 
1