Task9 时序数据

最新推荐文章于 2024-09-17 23:15:58 发布

各位观众全体起立

最新推荐文章于 2024-09-17 23:15:58 发布

阅读量231

点赞数

分类专栏： pandas 文章标签： python

本文链接：https://blog.csdn.net/weixin_44424296/article/details/107005477

版权

本文探讨了在Python中处理时序数据时遇到的常见问题，包括如何增加date_range的时间戳密度，提高TimeStamp精度，处理超出时间范围的数据点，以及查找日期间隔中的缺失日期。同时提供了两组实战练习，涉及时间序列数据分析，如销售额数据的周、月、季度分析，滑动窗口统计，以及基于规则的销售额标记方法。

摘要由CSDN通过智能技术生成

问题

【问题一】如何对date_range进行批量加帧操作或对某一时间段加大时间戳密度？

pd.date_range().append()

【问题二】如何批量增加TimeStamp的精度？
【问题三】对于超出处理时间的时间点，是否真的完全没有处理方法？
【问题四】给定一组非连续的日期，怎么快速找出位于其最大日期和最小日期之间，且没有出现在该组日期中的日期？

练习

【练习一】现有一份关于某超市牛奶销售额的时间序列数据，请完成下列问题：
（a）销售额出现最大值的是星期几？（提示：利用dayofweek函数）

# parse_dates可以解析日期
df_1 = pd.read_csv('../data/time_series_one.csv', parse_dates=['日期'])
df_1

在这里插入图片描述

df_1.loc[df_1['销售额'].idxmax()]

日期     2019-09-01 00:00:00
销售额                   4333
Name: 926, dtype: object

pd.Series(pd.to_datetime('2019-9-1')).dt.dayofweek

# 这里说明一下，在dayofweek中6表示的是星期天，0表示的是星期一，当然这里的0是索引不是表示星期一
0    6
dtype: int64

（b）计算除去春节、国庆、五一节假日的月度销售总额

holiday = pd.date_range(start='20170501', end='20170503').append(
          pd.date_range(start='20171001', end='20171007')).append(
          pd.date_range(start='20180215', end='20180221')).append(
          pd.date_range(start='20180501', end='20180503')).append(
          pd.date_range(start='20181001', end='20181007')).append(
          pd.date_range(start='20190204', end='20190224')).append(
          pd.date_range(start='20190501', end='20190503'))