时间序列的相关日记

Posted 2021-05-02 slow learning

import pandas as pd

import numpy as np

#因为时间序列按照时间先后排序，故不用考虑顺序问题

rng=pd.date_range('2017/01','2017/3')

ts=pd.Series(np.random.rand(len(rng)),

             index=rng)

print(ts.loc['20170101':'20170105'])

#重复索引的时间序列

dates=pd.DatetimeIndex(['1/1/2015','2015/2/1','2015/3/1','2015/01/01'])

ts=pd.Series(np.random.rand(4),index=dates)

#判断是否唯一

print(ts.is_unique,ts.index.is_unique)

#时间序列的重采样

#降采样：高频到低频

#升采样：

rng=pd.date_range('20170101',periods=12)

ts=pd.Series(np.arange(12),index=rng)

#重采样：resample() 

每隔5天采样一次

ts_re=ts.resample('5D')

#打印出来的是一个构建器，得到的是一个过程数据，因为它不知道你要做什么

print(ts_re)

print(ts.resample('5D').max())

#ohlc()重采样：常常用在股票里，开盘价，最高价，l:最低价，c:收盘价

print(ts.resample('5D').ohlc())

#以间隔的左边为结束

print(ts.resample('5D',closed='left').sum())#[[1,2,3,4,5],[6,7,8,9,10],[11,12]]

#以间隔的右边为结束

print(ts.resample('5D',closed='right').sum())#[[1],[2,3,4,5,6].[7,8,9,10,11],[12]]