python数据分析之：时间序列二

Posted 2020-10-31 一张红枫叶

将Timestamp转换为Period

通过使用to_period方法，可以将由时间戳索引的Series和DataFrame对象转换为以时期索引

rng=pd.date_range(‘1/1/2000‘,periods=3,freq=‘M‘)

ts=Series(randn(3),index=rng)

print(ts)

pts2=ts.to_period(freq=‘M‘)

print(pts2)

结果如下：ts是每个月最后一天的日期，pts2则是体现的是以月为周期的日子

2000-01-31    0.990097

2000-02-29    0.439761

2000-03-31   -3.395317

Freq: M, dtype: float64

2000-01    0.990097

2000-02    0.439761

2000-03   -3.395317

Freq: M, dtype: float64

如果要转换回时间戳，则可以使用pts2.to_timestamp(how=‘end‘)的方法

2000-01-31   -0.489228

2000-02-29   -1.583283

2000-03-31   -2.414735

Freq: M, dtype: float64

 

重采样及频率转换

将高频率数据转换为低频率称为降采样，而将低频率数据转换为高频率称为升采样。pandas中的resample方法就可以进行这种频率转换

 

rng=pd.date_range(‘1/1/2000‘,periods=50,freq=‘D‘)

ts=Series(randn(50),index=rng)

print(ts.resample(‘M‘).mean())

运行结果如下，在这里ts是以天级的数据，但是通过resample(‘M’)转换为月度的数据，且对属于同一个月的数据进行求平均的计算。得到的就是每个月的平均值

2000-01-31   -0.276265

2000-02-29   -0.052926

Freq: M, dtype: float64

 

降采样：

在降采样的时候，需要考虑两样东西：

1 各区间哪边是闭合的

2 如何标记各个聚合面元，用区间的开头还是末尾

来看如下代码：

rng=pd.date_range(‘1/1/2000‘,periods=12,freq=‘T‘)

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

print(ts)

2000-01-01 00:00:00     0

2000-01-01 00:01:00     1

2000-01-01 00:02:00     2

2000-01-01 00:03:00     3

2000-01-01 00:04:00     4

2000-01-01 00:05:00     5

2000-01-01 00:06:00     6

2000-01-01 00:07:00     7

2000-01-01 00:08:00     8

2000-01-01 00:09:00     9

2000-01-01 00:10:00    10

2000-01-01 00:11:00    11

print(ts.resample(‘5min‘, closed=‘left‘).sum())

左闭合的时候统计是以00:00:00为开始的5分钟周期

2000-01-01 00:00:00    10

2000-01-01 00:05:00    35

2000-01-01 00:10:00    21

print(ts.resample(‘5min‘,closed=‘right‘).sum())

右闭合的时候统计是以00:00:00为结束的5分钟周期，因为时间提前到了1999-12-31 23:55:00这个时候。

1999-12-31 23:55:00     0

2000-01-01 00:00:00    15

2000-01-01 00:05:00    40

2000-01-01 00:10:00    11

因此左闭合还是右闭合取决与时间的开始和结束

 

在金融领域中有一种无所不在的时间序列聚合方式，即计算各面元的4个值，第一个值open:开盘，最后一个值close:收盘，最大值high:最高，最小值low:最低

ts.resample(‘5min‘, closed=‘left‘).ohlc()

                     open  high  low  close

2000-01-01 00:00:00     0     4    0      4

2000-01-01 00:05:00     5     9    5      9

2000-01-01 00:10:00    10    11   10     11