pandas——时间日期及数据可视化

时间日期

• 时间戳 tiimestamp：固定的时刻 -> pd.Timestamp
• 固定时期 period：比如 2016年3月份，再如2015年销售额 -> pd.Period
• 时间间隔 interval：由起始时间和结束时间来表示，固定时期是时间间隔的一个特殊

时间日期在 Pandas 里的作用

• 分析金融数据，如股票交易数据
• 分析服务器日志

复习Python的datetime模块

python 标准库里提供了时间日期的处理。这个是时间日期的基础。

from datetime import datetime
from datetime import timedelta
now = datetime.now()
now.year, now.month, now.day

时间差

date1 = datetime(2016, 3, 20)
date2 = datetime(2016, 3, 16)
delta = date1 - date2
delta
delta.days
delta.total_seconds()
date2 + delta
date2 + timedelta(4.5)

字符串和 datetime 转换

date = datetime(2016, 3, 20, 8, 30)
str(date) # 将日期转换成字符串形式
# 日期格式化，Y代表用4位数的年份，y代表两位数的年份
date.strftime('%Y-%m-%d %H:%M:%S') 
# 指定格式，将字符串形式转换成datetime形式
datetime.strptime('2016-03-20 09:30', '%Y-%m-%d %H:%M')

Pandas 里的时间序列

Pandas 里使用 Timestamp 来表达时间

dates = [datetime(2016, 3, 1), datetime(2016, 3, 2), datetime(2016, 3, 3), datetime(2016, 3, 4)]
s = pd.Series(np.random.randn(4), index=dates)

日期范围

生成日期范围

pd.date_range('20160320', '20160331')
pd.date_range(start='20160320', periods=10)

规则化时间戳

# normalize = True时后面的16：23：32会省略
pd.date_range(start='2016-03-20 16:23:32', periods=10, normalize=True)

时间频率

星期

pd.date_range(start='20160320', periods=10, freq='W')

月

pd.date_range(start='20160320', periods=10, freq='M')

每个月最后一个工作日组成的索引

pd.date_range(start='20160320', periods=10, freq='BM')

小时

pd.date_range(start='20160320', periods=10, freq='4H')

时期及算术运算

pd.Period 表示时期，比如几日，月或几个月等。比如用来统计每个月的销售额&