pandas时间序列

import pandas as pd
import numpy as np
import datetime

df = pd.DataFrame({'date': ['20200101', '20200201', '20200301'], 'num':[25,10,38]})

df

# 将时间序列转化为标准的年月日的形式
df['date'] = pd.to_datetime(df['date'])
df

# 生成定频日期与时间段序列
dt = pd.date_range('2020-03-01', periods=5, freq='H')

dt

# 处理、转换带时区的日期时间数据

dt = dt.tz_localize('UTC')

dt

dt.tz_convert('US/Pacific')

# 按指定频率重采样，并转换为时间序列

dt = pd.date_range('2020-04-01', periods=10, freq='H')
df = pd.Series(range(len(dt)), index=dt)

df.resample('2H').sum()

# 一般情况下，时间序列主要是Series、DateFrame的时间类型索引，可以用时间元素进行操作
df = pd.Series(range(10), index=pd.date_range('2020-01-01', periods=10, freq='D'))

df = pd.DataFrame({'date':pd.date_range('2020-01-01', periods=10, freq='D'), 'num':range(10)})

df

# 时间戳是最基本的时间序列数据，用于把数值与时点关联在一起。Pandas 对象通过时间戳调用时点数据
pd.Timestamp(datetime.datetime(2020, 1, 1))

pd.Timestamp('2020-01-01')

pd.Timestamp(2020, 1, 1)

# 不过，大多数情况下，用时间段改变变量更自然。Period 表示的时间段更直观，还可以用日期时间格式的字符串进行推断
pd.Period('2020-01')

pd.Period('2020-01', freq='D')

# 解析欧式日期（日-月-年），使用 dayfirst 关键字参数
pd.to_datetime(['01-01-2020 8:00'], dayfirst=True)

# 生成某个时间段的时间序列

pd.date_range(start='2020-01-01', end='2020-01-31', freq='D')

# 默认频率是工作日
pd.bdate_range(start='2020-01-01', end='2020-01-31')

pd.period_range(start='2020-01-01', end='2020-04-01', freq='M')