时间序列处理

# -*- coding: utf-8 -*-
"""
Created on Sun Mar 27 22:56:24 2022

@author: wuxian
"""

import pandas as pd
import datetime
import numpy as np
(datetime.date.today()).strftime('%Y-%m-%d')

#H:小时 D:天 M:月
#times #2016 Jul 7/1/2016 2016-07-01 2016/07/01
pd.date_range('2022-01-14',periods=10,freq='3d')

#np.random.randn(20)标准正太分布
df0 = pd.Series(np.random.randn(20),index=pd.date_range('2022-01-14',periods=20,freq='3d'))
#重采样 升采样 降采样
df0.resample('M').sum()
df0.resample('3D').sum()

#当我们对这个数据进行聚合的的时候，每个组只有一个值，以及gap（间隔）之间的缺失值。在不使用任何聚合函数的情况下，我们使用asfreq方法将其转换为高频度：
df0.resample('D').asfreq()

df0.resample('D').bfill(1)
df0.resample('D').ffill(1)
df0.resample('D').interpolate('linear') #线性拟合

#滑动窗口
df1=pd.Series(np.random.randn(600),index=pd.date_range('2020-01-14',periods=600,freq='d'))
r=df1.rolling(window=10)
r.mean()

import matplotlib.pyplot as plt
plt.figure(figsize=(15,5))
df1.plot(style='r--')
df1.rolling(window=10).mean().plot(style='b')
plt.show()