Pandas 時間序列
顧名思義，時間序列（time series），就是由時間構成的序列，它指的是在一定時間內按照時間順序測量的某個變量的取值序列，比如一天內的溫度會隨時間而發(fā)生變化，或者股票的價格會隨著時間不斷的波動，這里用到的一系列時間，就可以看做時間序列。時間序列包含三種應用場景，分別是：
- 特定的時刻（timestamp），也就是時間戳；
- 固定的日期（period），比如某年某月某日；
- 時間間隔（interval），每隔一段時間具有規(guī)律性；
在處理時間序列的過程中，我們一般會遇到兩個問題，第一，如何創(chuàng)建時間序列；第二，如何更改已生成時間序列的頻率。 Pandas 為解決上述問題提供了一套簡單、易用的方法。
下面用 Python 內置的 datetime 模塊來獲取當前時間，通過該模塊提供的now()方法即可實現(xiàn)。
from datetime import datetime
#數(shù)據(jù)類型為datetime
print(datetime.now())輸出結果：
2020-12-16 16:36:18.791297創(chuàng)建時間戳
TimeStamp（時間戳） 是時間序列中的最基本的數(shù)據(jù)類型，它將數(shù)值與時間點完美結合在一起。Pandas 使用下列方法創(chuàng)建時間戳：
import pandas as pd
print (pd.Timestamp('2017-03-01'))輸出結果：
2017-03-01 00:00:00
同樣，可以將整型或浮點型表示的時間轉換為時間戳。默認的單位是納秒(時間戳單位)，示例如下：
import pandas as pd
print(pd.Timestamp(1587687255,unit='s'))輸出結果：
2020-04-24 00:14:15創(chuàng)建時間范圍
通過 date_range() 方法可以創(chuàng)建某段連續(xù)的時間或者固定間隔的時間時間段。該函數(shù)提供了三個參數(shù)，分別是：
- start：開始時間
- end：結束時間
- freq：時間頻率，默認為 "D"（天）
示例如下：
import pandas as pd
#freq表示時間頻率，每30min變化一次
print(pd.date_range("9:00", "18:10", freq="30min").time)輸出結果：
[datetime.time(9, 0) datetime.time(9, 30) datetime.time(10, 0) datetime.time(10, 30) datetime.time(11, 0) datetime.time(11, 30) datetime.time(12, 0) datetime.time(12, 30) datetime.time(13, 0) datetime.time(13, 30) datetime.time(14, 0) datetime.time(14, 30) datetime.time(15, 0) datetime.time(15, 30) datetime.time(16, 0) datetime.time(16, 30) datetime.time(17, 0) datetime.time(17, 30) datetime.time(18, 0)]
更改時間頻率
import pandas as pd
#修改為按小時
print(pd.date_range("6:10", "11:45", freq="H").time)輸出結果：
[datetime.time(6, 10) datetime.time(7, 10) datetime.time(8, 10) datetime.time(9, 10) datetime.time(10, 10) datetime.time(11, 10)]
轉化為時間戳
您可以使用 to_datetime() 函數(shù)將 series 或 list 轉換為日期對象，其中 list 會轉換為DatetimeIndex。示例如下：
import pandas as pd
print(pd.to_datetime(pd.Series(['Jun 3, 2020','2020-12-10', None])))輸出結果：
0 2020-06-03
1 2020-12-10
2 NaT
dtype: datetime64[ns]注意：NaT 表示的不是時間 ，它等效于 NaN。
最后再來看一個示例：
import pandas as pd
#傳入list，生成Datetimeindex
print(pd.to_datetime(['Jun 3, 2020','2020-12-10', None]))輸出結果：
DatetimeIndex(['2020-06-03', '2020-12-10', 'NaT'], dtype='datetime64[ns]', freq=None)頻率和周期轉換
Time Periods 表示時間跨度，一段時間周期，它被定義在 Pandas Periods 類中，通過該類提供的方法可以實現(xiàn)將頻率轉換為周期。比如 Periods() 方法，可以將頻率 "M"（月）轉換為 Period（時間段）。
下面示例，使用 asfreq() 和 start 參數(shù)，打印 "01" ，若使用 end 參數(shù)，則打印 "31"。示例如下：
import pandas as pd
x = pd.Period('2014', freq='M')
#start參數(shù)
print(x.asfreq('D', 'start'))
#end參數(shù)
print(x.asfreq('D', 'end'))輸出結果:
2014-01-01 2014-01-31
對于常用的時間序列頻率，Pandas 為其規(guī)定了一些字符串別名，我們將這些別名稱為“offset（偏移量）”。如下表所示：
| 別名 | 描述 | 別名 | 描述 |
|---|---|---|---|
| B | 工作日頻率 | BQS | 工作季度開始頻率 |
| D | 日歷日頻率 | A | 年終頻率 |
| W | 每周頻率 | BA | 工作年度結束頻率 |
| M | 月末頻率 | BAS | 工作年度開始頻率 |
| SM | 半月結束頻率 | BH | 營業(yè)時間頻率 |
| BM | 工作月結束頻率 | H | 小時頻率 |
| MS | 月開始頻率 | T,min | 每分鐘頻率 |
| SMS | 半月開始頻率 | S | 每秒鐘頻率 |
| BMS | 工作月開始頻率 | L,ms | 毫秒 |
| Q | 季末頻率 | U,us | 微妙 |
| BQ | 工作季度結束頻率 | N | 納秒 |
| QS | 季度開始頻率 |
時間周期計算
周期計算，指的是對時間周期進行算術運算，所有的操作將在“頻率”的基礎上執(zhí)行。
import pandas as pd
#S表示秒
x = pd.Period('2014', freq='S')
print(x) 輸出結果：
2014-01-01 00:00:00執(zhí)行計算示例：
import pandas as pd
x = pd.Period('2014', freq='S')
#加1s的時間
print(x+1)輸出結果：
2014-01-01 00:00:01再看一組完整的示例：
import pandas as pd
#定義時期period，默認freq="Y"年份
p1=pd.Period('2020')
p2=pd.Period('2019')
#使用f''格式化輸出
print(f'p1={p1}年')
print(f'p2={p2}年')
print(f'p1和p2間隔{p1-p2}年')
#f''表示字符串格式化輸出
print(f'五年前是{p1-5}年')輸出結果：
p1=2020年 p2=2019年 p1和p2間隔<YearEnd: month=12>年 五年前是2015年
創(chuàng)建時間周期
我們可以使用 period_range() 方法來創(chuàng)建時間周期范圍。示例如下：
import pandas as pd
#Y表示年
p = pd.period_range('2016','2018', freq='Y')
print(p)輸出結果：
PeriodIndex(['2016', '2017', '2018'], dtype='period[A-DEC]', freq='A-DEC')時間序列轉換
如果想要把字符串日期轉換為 Period，首先需要將字符串轉換為日期格式，然后再將日期轉換為 Period。示例如下：
import pandas as pd
# 創(chuàng)建時間序列
index=pd.date_range("2020-03-17","2020-03-30",freq="1.5H")
#隨機選取4個互不相同的數(shù)
loc=np.random.choice(np.arange(len(index)),size=4,replace=False)
loc.sort()
ts_index=index[loc]
print(ts_index)
pd_index=ts_index.to_periods('D')
print(pd_index())輸出結果：
DatetimeIndex(['2020-03-17 12:00:00', '2020-03-22 04:30:00',
'2020-03-27 03:00:00', '2020-03-30 00:00:00'],
dtype='datetime64[ns]', freq=None)
PeriodIndex(['2020-03-17', '2020-03-19', '2020-03-19', '2020-03-27'], dtype='period[D]', freq='D')
使用 to_timestamp() 能夠將 Period 時期轉換為時間戳（timestamp），示例如下：
import pandas as pd
p1=pd.Periods("2020-2-3")
print(p1.to_timestamp())
輸出結果：
Timestamp('2020-02-03 00:00:00')
創(chuàng)建日期范圍
Pandas 提供了用來創(chuàng)建日期序列的函數(shù) date_range()，該函數(shù)的默認頻率為 "D"， 也就是“天”。日期序列只包含年、月、日，不包含時、分、秒。
下面是一組簡單的示例，如下所示：
import pandas as pd
print(pd.date_range('12/15/2020', periods=10))輸出結果：
DatetimeIndex(['2020-12-15', '2020-12-16', '2020-12-17', '2020-12-18',
'2020-12-19', '2020-12-20', '2020-12-21', '2020-12-22',
'2020-12-23', '2020-12-24'],
dtype='datetime64[ns]', freq='D')
當我們使用 date_range() 來創(chuàng)建日期范圍時，該函數(shù)包含結束的日期，用數(shù)學術語來說就是區(qū)間左閉右閉，即包含起始值，也包含結束值。示例如下：
import pandas as pd
#建議使用Python的datetime模塊創(chuàng)建時間
start = pd.datetime(2019, 1, 1)
end = pd.datetime(2019, 1, 5)
print(pd.date_range(start,end)輸出結果：
DatetimeIndex(['2019-01-01', '2019-01-02', '2019-01-03', '2019-01-04','2019-01-05'] ,dtype='datetime64[ns]', freq='D')
更改日頻率
使用下列方法可以修改頻率，比如按“天”為按“月”，示例如下：
import pandas as pd
print(pd.date_range('12/15/2011', periods=5,freq='M'))輸出結果：
DatetimeIndex(['2020-12-31', '2021-01-31', '2021-02-28', '2021-03-31', '2021-04-30'],dtype='datetime64[ns]', freq='M')
工作日時間
bdate_range() 表示創(chuàng)建工作日的日期范圍，它與 date_range() 不同，它不包括周六、周日。
import pandas as pd
print(pd.date_range('11/25/2020', periods=8))輸出結果：
DatetimeIndex(['2020-11-25', '2020-11-26', '2020-11-27', '2020-11-28','2020-11-29', '2020-11-30', '2020-12-01', '2020-12-02'],dtype='datetime64[ns]', freq='D')
上述方法中，date_range() 默認頻率是日歷日，而 bdate_range() 的默認頻率是工作日。
更多建議：