数据分析三剑客之Pandas时间序列

Posted 2020-12-14 lee-xingxing

一、时间模块：datetime

datetime模块，主要掌握：datetime.date(), datetime.datetime(), datetime.timedelta()，日期解析方法：parser.parse

1.datetime.date：date对象

import datetime  # 也可以写 from datetime import date

today = datetime.date.today()
print(today,type(today))
print(str(today),type(str(today)))
# datetime.date.today 返回今日
# 输出格式为 date类

t = datetime.date(2016,6,1)
print(t)
# (年，月，日) → 直接得到当时日期

2.datetime.datetime：datetime对象

now = datetime.datetime.now()
print(now,type(now))
print(str(now),type(str(now))) 
# .now()方法，输出当前时间
# 输出格式为 datetime类
# 可通过str()转化为字符串

t1 = datetime.datetime(2016,6,1)
t2 = datetime.datetime(2014,1,1,12,44,33)
print(t1,t2)
# (年，月，日，时，分，秒)，至少输入年月日

t2-t1
# 相减得到时间差 —— timedelta

3.datetime.timedelta：时间差

today = datetime.datetime.today()  # datetime.datetime也有today()方法
yestoday = today - datetime.timedelta(1)  # 
print(today)
print(yestoday)
print(today - datetime.timedelta(7))
# 时间差主要用作时间的加减法，相当于可被识别的时间“差值”

4.parser.parse：日期字符串转换

from dateutil.parser import parse

date = ‘12-21-2017‘
t = parse(date)
print(t,type(t))
# 直接将str转化成datetime.datetime

print(parse(‘2000-1-1‘),‘
‘,
     parse(‘5/1/2014‘),‘
‘,
     parse(‘5/1/2014‘, dayfirst = True),‘
‘,  # 国际通用格式中，日在月之前，可以通过dayfirst来设置
     parse(‘22/1/2014‘),‘
‘,
     parse(‘Jan 31, 1997 10:45 PM‘))
# 各种格式可以解析，但无法支持中文

二、Pandas时刻数据：Timestamp

时刻数据代表时间点，是pandas的数据类型，是将值与时间点相关联的最基本类型的时间序列数据：pandas.Timestamp()

1.pd.Timestamp()

import numpy as np
import pandas as pd

date1 = datetime.datetime(2016,12,1,12,45,30)  # 创建一个datetime.datetime
date2 = ‘2017-12-21‘  # 创建一个字符串
t1 = pd.Timestamp(date1)
t2 = pd.Timestamp(date2)
print(t1,type(t1))
print(t2)
print(pd.Timestamp(‘2017-12-21 15:00:22‘))
# 直接生成pandas的时刻数据 → 时间戳
# 数据类型为 pandas的Timestamp

2.pd.to_datetime

from datetime import datetime

date1 = datetime(2016,12,1,12,45,30)
date2 = ‘2017-12-21‘
t1 = pd.to_datetime(date1)
t2 = pd.to_datetime(date2)
print(t1,type(t1))
print(t2,type(t2))
# pd.to_datetime()：如果是单个时间数据，转换成pandas的时刻数据，数据类型为Timestamp

lst_date = [ ‘2017-12-21‘, ‘2017-12-22‘, ‘2017-12-23‘]
t3 = pd.to_datetime(lst_date)
print(t3,type(t3))
# 多个时间数据，将会转换为pandas的DatetimeIndex

3.pd.to_datetime → 多个时间数据转换时间戳索引

date1 = [datetime(2015,6,1),datetime(2015,7,1),datetime(2015,8,1),datetime(2015,9,1),datetime(2015,10,1)]
date2 = [‘2017-2-1‘,‘2017-2-2‘,‘2017-2-3‘,‘2017-2-4‘,‘2017-2-5‘,‘2017-2-6‘]
print(date1)
print(date2)
t1 = pd.to_datetime(date2)
t2 = pd.to_datetime(date2)
print(t1)
print(t2)
# 多个时间数据转换为 DatetimeIndex

date3 = [‘2017-2-1‘,‘2017-2-2‘,‘2017-2-3‘,‘hello world!‘,‘2017-2-5‘,‘2017-2-6‘]
t3 = pd.to_datetime(date3, errors = ‘ignore‘)
print(t3,type(t3))
# 当一组时间序列中夹杂其他格式数据，可用errors参数返回
# errors = ‘ignore‘:不可解析时返回原始输入，这里就是直接生成一般数组

t4 = pd.to_datetime(date3, errors = ‘coerce‘)
print(t4,type(t4))
# errors = ‘coerce‘:不可扩展，缺失值返回NaT（Not a Time），结果认为DatetimeIndex

三、Pandas时间戳索引：DatetimeIndex

核心：pd.date_range()

1.pd.DatetimeIndex()与TimeSeries时间序列

rng = pd.DatetimeIndex([‘12/1/2017‘,‘12/2/2017‘,‘12/3/2017‘,‘12/4/2017‘,‘12/5/2017‘])
print(rng,type(rng))
print(rng[0],type(rng[0]))
# 直接生成时间戳索引，支持str、datetime.datetime
# 单个时间戳为Timestamp，多个时间戳为DatetimeIndex

st = pd.Series(np.random.rand(len(rng)), index = rng)
print(st,type(st))
print(st.index)
# 以DatetimeIndex为index的Series，为TimeSries，时间序列

2.pd.date_range()-日期范围：生成日期范围

# 2种生成方式：①start + end； ②start/end + periods
# 默认频率：day

rng1 = pd.date_range(‘1/1/2017‘,‘1/10/2017‘, normalize=True)
rng2 = pd.date_range(start = ‘1/1/2017‘, periods = 10)
rng3 = pd.date_range(end = ‘1/30/2017 15:00:00‘, periods = 10)  # 增加了时、分、秒
print(rng1,type(rng1))
print(rng2)
print(rng3)
print(‘-------‘)
# 直接生成DatetimeIndex
# pd.date_range(start=None, end=None, periods=None, freq=‘D‘, tz=None, normalize=False, name=None, closed=None, **kwargs)
# start：开始时间
# end：结束时间
# periods：偏移量
# freq：频率，默认天，pd.date_range()默认频率为日历日，pd.bdate_range()默认频率为工作日
# tz：时区

rng4 = pd.date_range(start = ‘1/1/2017 15:30‘, periods = 10, name = ‘hello world!‘, normalize = True)
print(rng4)
print(‘-------‘)
# normalize：时间参数值正则化到午夜时间戳（这里最后就直接变成0:00:00，并不是15:30:00）
# name：索引对象名称

print(pd.date_range(‘20170101‘,‘20170104‘))  # 20170101也可读取
print(pd.date_range(‘20170101‘,‘20170104‘,closed = ‘right‘))
print(pd.date_range(‘20170101‘,‘20170104‘,closed = ‘left‘))
print(‘-------‘)
# closed：默认为None的情况下，左闭右闭，left则左闭右开，right则左开右闭

print(pd.bdate_range(‘20170101‘,‘20170107‘))
# pd.bdate_range()默认频率为工作日

print(list(pd.date_range(start = ‘1/1/2017‘, periods = 10)))
# 直接转化为list，元素为Timestamp

3.pd.date_range()-日期范围：频率(1)

print(pd.date_range(‘2017/1/1‘,‘2017/1/4‘))  # 默认freq = ‘D‘：每日历日
print(pd.date_range(‘2017/1/1‘,‘2017/1/4‘, freq = ‘B‘))  # B：每工作日
print(pd.date_range(‘2017/1/1‘,‘2017/1/2‘, freq = ‘H‘))  # H：每小时
print(pd.date_range(‘2017/1/1 12:00‘,‘2017/1/1 12:10‘, freq = ‘T‘))  # T/MIN：每分
print(pd.date_range(‘2017/1/1 12:00:00‘,‘2017/1/1 12:00:10‘, freq = ‘S‘))  # S：每秒
print(pd.date_range(‘2017/1/1 12:00:00‘,‘2017/1/1 12:00:10‘, freq = ‘L‘))  # L：每毫秒（千分之一秒）
print(pd.date_range(‘2017/1/1 12:00:00‘,‘2017/1/1 12:00:10‘, freq = ‘U‘))  # U：每微秒（百万分之一秒）

print(pd.date_range(‘2017/1/1‘,‘2017/2/1‘, freq = ‘W-MON‘))  
# W-MON：从指定星期几开始算起，每周
# 星期几缩写：MON/TUE/WED/THU/FRI/SAT/SUN

print(pd.date_range(‘2017/1/1‘,‘2017/5/1‘, freq = ‘WOM-2MON‘))  
# WOM-2MON：每月的第几个星期几开始算，这里是每月第二个星期一

4.pd.date_range()-日期范围：频率(2)

print(pd.date_range(‘2017‘,‘2018‘, freq = ‘M‘))  
print(pd.date_range(‘2017‘,‘2020‘, freq = ‘Q-DEC‘))  
print(pd.date_range(‘2017‘,‘2020‘, freq = ‘A-DEC‘)) 
print(‘------‘)
# M：每月最后一个日历日
# Q-月：指定月为季度末，每个季度末最后一月的最后一个日历日
# A-月：每年指定月份的最后一个日历日
# 月缩写：JAN/FEB/MAR/APR/MAY/JUN/JUL/AUG/SEP/OCT/NOV/DEC
# 所以Q-月只有三种情况：1-4-7-10,2-5-8-11,3-6-9-12

print(pd.date_range(‘2017‘,‘2018‘, freq = ‘BM‘))  
print(pd.date_range(‘2017‘,‘2020‘, freq = ‘BQ-DEC‘))  
print(pd.date_range(‘2017‘,‘2020‘, freq = ‘BA-DEC‘)) 
print(‘------‘)
# BM：每月最后一个工作日
# BQ-月：指定月为季度末，每个季度末最后一月的最后一个工作日
# BA-月：每年指定月份的最后一个工作日

print(pd.date_range(‘2017‘,‘2018‘, freq = ‘MS‘))  
print(pd.date_range(‘2017‘,‘2020‘, freq = ‘QS-DEC‘))  
print(pd.date_range(‘2017‘,‘2020‘, freq = ‘AS-DEC‘)) 
print(‘------‘)
# M：每月第一个日历日
# Q-月：指定月为季度末，每个季度末最后一月的第一个日历日
# A-月：每年指定月份的第一个日历日

print(pd.date_range(‘2017‘,‘2018‘, freq = ‘BMS‘))  
print(pd.date_range(‘2017‘,‘2020‘, freq = ‘BQS-DEC‘))  
print(pd.date_range(‘2017‘,‘2020‘, freq = ‘BAS-DEC‘)) 
print(‘------‘)
# BM：每月第一个工作日
# BQ-月：指定月为季度末，每个季度末最后一月的第一个工作日
# BA-月：每年指定月份的第一个工作日

5.pd.date_range()-日期范围：复合频率

print(pd.date_range(‘2017/1/1‘,‘2017/2/1‘, freq = ‘7D‘))  # 7天
print(pd.date_range(‘2017/1/1‘,‘2017/1/2‘, freq = ‘2h30min‘))  # 2小时30分钟
print(pd.date_range(‘2017‘,‘2018‘, freq = ‘2M‘))  # 2月，每月最后一个日历日

6.asfreq：时期频率转换

ts = pd.Series(np.random.rand(4),
              index = pd.date_range(‘20170101‘,‘20170104‘))
print(ts)
print(ts.asfreq(‘4H‘,method = ‘ffill‘))
# 改变频率，这里是D改为4H
# method：插值模式，None不插值，ffill用之前值填充，bfill用之后值填充

7.pd.date_range()-日期范围：超前/滞后数据

ts = pd.Series(np.random.rand(4),
              index = pd.date_range(‘20170101‘,‘20170104‘))
print(ts)

print(ts.shift(2))
print(ts.shift(-2))
print(‘------‘)
# 正数：数值后移（滞后）；负数：数值前移（超前）

per = ts/ts.shift(1) - 1
print(per)
print(‘------‘)
# 计算变化百分比，这里计算：该时间戳与上一个时间戳相比，变化百分比

print(ts.shift(2, freq = ‘D‘))
print(ts.shift(2, freq = ‘T‘))
# 加上freq参数：对时间戳进行位移，而不是对数值进行位移

四、Pandas时期：Period

核心：pd.Period()

1.pd.Period()创建时期

p = pd.Period(‘2017‘, freq = ‘M‘)
print(p, type(p))
# 生成一个以2017-01开始，月为频率的时间构造器
# pd.Period()参数：一个时间戳 + freq 参数 → freq 用于指明该 period 的长度，时间戳则说明该 period 在时间轴上的位置

print(p + 1)
print(p - 2)
print(pd.Period(‘2012‘, freq = ‘A-DEC‘) - 1)
# 通过加减整数，将周期整体移动
# 这里是按照 月、年 移动

2.pd.period_range()创建时期范围

prng = pd.period_range(‘1/1/2011‘, ‘1/1/2012‘, freq=‘M‘)
print(prng,type(prng))
print(prng[0],type(prng[0]))
# 数据格式为PeriodIndex，单个数值为Period

ts = pd.Series(np.random.rand(len(prng)), index = prng)
print(ts,type(ts))
print(ts.index)
# 时间序列

# Period(‘2011‘, freq = ‘A-DEC‘)可以看成多个时间期的时间段中的游标
# Timestamp表示一个时间戳，是一个时间截面；Period是一个时期，是一个时间段！！但两者作为index时区别不大

3.asfreq：频率转换

p = pd.Period(‘2017‘,‘A-DEC‘)
print(p)
print(p.asfreq(‘M‘, how = ‘start‘))  # 也可写 how = ‘s‘
print(p.asfreq(‘D‘, how = ‘end‘))  # 也可写 how = ‘e‘
# 通过.asfreq(freq, method=None, how=None)方法转换成别的频率

prng = pd.period_range(‘2017‘,‘2018‘,freq = ‘M‘)
ts1 = pd.Series(np.random.rand(len(prng)), index = prng)
ts2 = pd.Series(np.random.rand(len(prng)), index = prng.asfreq(‘D‘, how = ‘start‘))
print(ts1.head(),len(ts1))
print(ts2.head(),len(ts2))
# asfreq也可以转换TIMESeries的index

4.时间戳与时期之间的转换：pd.to_period()、pd.to_timestamp()

rng = pd.date_range(‘2017/1/1‘, periods = 10, freq = ‘M‘)
prng = pd.period_range(‘2017‘,‘2018‘, freq = ‘M‘)

ts1 = pd.Series(np.random.rand(len(rng)), index = rng)
print(ts1.head())
print(ts1.to_period().head())
# 每月最后一日，转化为每月

ts2 = pd.Series(np.random.rand(len(prng)), index = prng)
print(ts2.head())
print(ts2.to_timestamp().head())
# 每月，转化为每月第一天

五、时间序列 - 索引及切片

TimeSeries是Series的一个子类，所以Series索引及数据选取方面的方法基本一样

同时TimeSeries通过时间序列有更便捷的方法做索引和切片

1.索引

from datetime import datetime

rng = pd.date_range(‘2017/1‘,‘2017/3‘)
ts = pd.Series(np.random.rand(len(rng)), index = rng)
print(ts.head())

print(ts[0])
print(ts[:2])
print(‘-----‘)
# 基本下标位置索引

print(ts[‘2017/1/2‘])
print(ts[‘20170103‘])
print(ts[‘1/10/2017‘])
print(ts[datetime(2017,1,20)])
print(‘-----‘)
# 时间序列标签索引，支持各种时间字符串，以及datetime.datetime

# 时间序列由于按照时间先后排序，故不用考虑顺序问题
# 索引方法同样适用于Dataframe

2.切片

rng = pd.date_range(‘2017/1‘,‘2017/3‘,freq = ‘12H‘)
ts = pd.Series(np.random.rand(len(rng)), index = rng)

print(ts[‘2017/1/5‘:‘2017/1/10‘])
print(‘-----‘)
# 和Series按照index索引原理一样，也是末端包含

print(ts[‘2017/2‘].head())
# 传入月，直接得到一个切片

3.重复索引的时间序列

dates = pd.DatetimeIndex([‘1/1/2015‘,‘1/2/2015‘,‘1/3/2015‘,‘1/4/2015‘,‘1/1/2015‘,‘1/2/2015‘])
ts = pd.Series(np.random.rand(6), index = dates)
print(ts)
print(ts.is_unique,ts.index.is_unique)
print(‘-----‘)
# index有重复，is_unique检查 → values唯一，index不唯一

print(ts[‘20150101‘],type(ts[‘20150101‘]))
print(ts[‘20150104‘],type(ts[‘20150104‘]))
print(‘-----‘)
# index有重复的将返回多个值

print(ts.groupby(level = 0).mean())
# 通过groupby做分组，重复的值这里用平均值处理

六、时间序列 - 重采样

将时间序列从一个频率转换为另一个频率的过程，且会有数据的结合

降采样：高频数据 → 低频数据，eg.以天为频率的数据转为以月为频率的数据
升采样：低频数据 → 高频数据，eg.以年为频率的数据转为以月为频率的数据

1.