《利用Python进行数据分析》之pandas的时间序列基础

Posted 亚北薯条

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了《利用Python进行数据分析》之pandas的时间序列基础相关的知识,希望对你有一定的参考价值。

本章以《利用python进行数据分析》的第10章:时间序列 为基础,整理了pandas 库中时间序列相关用法。
时间序列数据的意义取决于具体的应用场景,主要有以下几种:

  • 时间戳(timestamp)
  • 固定时期(period)
  • 时间间隔(interval)
  • 实验或过程时间

pandas提供了一组标准的时间序列处理工具和算法,可以轻松的对时间序列进行切片、聚合,对定期/不定期的时间序列进行重采样等。
这些工具大部分对金融和经济数据尤为有用,同时也可以用来分析服务器和日志数据。

1.日期和时间数据类型及工具

python标准库包含用于日期(date)和时间(time)的数据类型,主要用到datetime、time、calendar等模块。

datetime模块

datetime模块中的数据类型

  • date :以公历形式存储日期 (年月日)
  • time :将时间存储为时、分、秒、毫秒
  • datetime :存储日期和时间
  • timedelta :表示两个datetime值之间的差 (日、秒、毫秒)

(1)datetime

  • .now()函数,返回一个当前时间的datetime类型
  • datetime类型 有 .year ,.month , .day等属性
import pandas as pd
from pandas import Series
from pandas import DataFrame
from datetime import datetime
now=datetime.now()
now.year,now.month,now.day
(2019, 3, 18)

(2)timedelta

  • timedelta表示两个datetime对象之间的时间差
  • 有 .days , .seconds 等属性
delta = datetime(2019,3,18)-datetime(2019,1,1,8,15)
delta.days
delta.seconds
56700

可以给datetime对象加上(减去)一个或者多个timedelta,则产生一个新对象

from datetime import timedelta
start=datetime(2019,1,1)
start=start+timedelta(75)
start1=start-2*timedelta(75)
start
print (start)
print (start1)
2019-03-17 00:00:00
2018-10-18 00:00:00

(3)字符串和datetime的相互转换

datetime类型或者timestamp 类型 --> 字符串类型

  • str()函数
  • datetime的.strftime(‘%y-%m-%d‘)方法 ,其中格式化编码表格在P306
stamp=datetime(2019,1,1)
str1=str(stamp)
str2=stamp.strftime('%Y-%m-%d %H:%M:%S')
print (str1)
print (str2)
2019-01-01 00:00:00
2019-01-01 00:00:00

字符串类型 --> datetime类型或者timestamp 类型

  • datetime的.strptime方法
value='2019-01-01'
d1=datetime.strptime(value,'%Y-%m-%d')
print (d1)
2019-01-01 00:00:00

其中,是通过已知格式进行日期解析,但是编写格式定义比较麻烦
可以通过dateutil这个第三方包中parser.parse方法,可以对格式快速解析

from dateutil.parser import parse
parse('2011-01-01')
parse('6/12/2011',dayfirst=True)
datetime.datetime(2011, 12, 6, 0, 0)

pandas 通常是用于处理成组日期。
to_datetime方法可以解析多种不同的日期表示形式

datestrs=['7/6/2019','8/6/2019']
pd.to_datetime(datestrs)
DatetimeIndex(['2019-07-06', '2019-08-06'], dtype='datetime64[ns]', freq=None)

2.时间序列基础

pandas 最基本的时间序列类型就是以时间戳(python字符串 或datetime对象)为索引的Series
当创建一个带有DatatimeIndex的Series时,pandas就会创建一个TimeSeries

(1)TimeSeries的创建

import numpy as np
dates=[datetime(2019,1,1),datetime(2019,1,2),datetime(2019,1,3),datetime(2019,1,4)]
ts=Series(np.random.randn(4),index=dates)
ts
2019-01-01   -0.372832
2019-01-02    0.460571
2019-01-03    0.488445
2019-01-04   -0.208852
dtype: float64

(2)TimeSeries的索引、切片

TimeSeries是Series的一个子类,所以其索引切片都很类似

1.索引

ts.index[2]
Timestamp('2019-01-03 00:00:00')
ts[ts.index[2]]
ts[datetime(2019,1,2)]
0.4605713788911559

2.切片

可以传入字符串日期、datetime、timestamp
切片的是源数据的视图,与numpy的数组切片运算是一样的。

ts['2019-01-02':'2019-01-04']
2019-01-02    0.460571
2019-01-03    0.488445
2019-01-04   -0.208852
dtype: float64

以上是关于《利用Python进行数据分析》之pandas的时间序列基础的主要内容,如果未能解决你的问题,请参考以下文章

《利用Python进行数据分析》之pandas的时间序列基础

利用python进行数据分析之数据规整化

《利用Python 进行数据分析》 - 笔记

利用python数据分析panda学习笔记之Series

利用python数据分析panda学习笔记之DataFrame

利用python数据分析panda学习笔记之基本功能