pandas task10:时序数据

第十章 时序数据

好快，已经第十章了！

一、时序中的基本对象

2020年9月7日周一早上8点整需要到教室上课，这个课会在当天早上10点结束，简单的一件事包含了四个时间概念：
第一，会出现时间戳（Date times）
第二，会出现时间差（Time deltas）
第三，会出现时间段（Time spans）
第四，会出现日期偏置（Date offsets）
前三个都很好理解，重点来看一下第四个概念：日期偏置
假设只知道9月的第一个周一早上8点要去上课，但不知道具体的日期，例如想要知道2020年9月7日后的第30个工作日是哪一天，可以理解为对于“时间”有某一种特殊的需求，需要根据具体情况来分析，使用pandas中的DateOffset。同时，pandas中没有为一列时间偏置专门设计存储类型，理由也很简单，因为需求比较奇怪，一般来说我们只需要对一批时间特征做一个统一的特殊日期偏置。
总结：

二、时间戳

1. Timestamp的构造与属性

ts = pd.Timestamp('2020-1-1 08:10:30')
ts

通过year, month, day, hour, min, second可以获取具体的数值。

pd.Timestamp.max

output：
Timestamp(‘2262-04-11 23:47:16.854775807’)

Timestamp('2262-04-11 23:47:16.854775807')

output：
Timestamp(‘1677-09-21 00:12:43.145225’)

pd.Timestamp.max.year - pd.Timestamp.min.year

output：
585

2. Datetime序列的生成

一组时间戳可以组成时间序列，可以用to_datetime和date_range来生成。其中，to_datetime能够把一列时间戳格式的对象转换成为datetime64[ns]类型的时间序列：

pd.to_datetime(['2020-1-1', '2020-1-3', '2020-1-6'])
df = pd.read_csv('../data/learn_pandas.csv')
s = pd.to_datetime(df.Test_Date)
s.head()

output：

使用format把不能转换的时间戳转换成固定的格式：

temp = pd.to_datetime(['2020\\1\\1','2020\\1\\3'],format='%Y\\%m\\%d')
temp

output：
DatetimeIndex([‘2020-01-01’, ‘2020-01-03’], dtype=‘datetime64[ns]’, freq=None)
上面返回的是DatetimeIndex（由于传入的是列表，而非pandas内部的Series），如果想要转为datetime64[ns]的序列，需要显式用Series转化：

pd.Series(temp).head()

output：