数据科学包10-pandas高级内容之时间序列

文章目录

• 时间序列
• 1.python里的datetime模块
• 1）时间差
• 2）字符串和 datetime 转换
• 2.Pandas 里的时间序列
• 3.日期范围
• 1）生成时间范围
• 2）时间频率
• 4时期及算术运算
• 1）时间序列
• 2）时间的频率转换-asfreq
• 3）季度时间频率
• 4）Timestamp和Period相互转换
• 5.重采样
• 1）OHLC重采样
• 2）通过groupby重采样
• 3）升采样和插值
• 4)时间重采样
• 5)性能
• 6)时间日期解析
• 从文件中读取日期序列
• 自定义时间日期解析函数

时间序列

• 时间戳 tiimestamp：固定的时刻 -> pd.Timestamp
• 固定时期 period：比如 2016年3月份，再如2015年销售额 -> pd.Period
• 时间间隔 interval：由起始时间和结束时间来表示，固定时期是时间间隔的一个特殊

时间日期在 Pandas 里的作用

• 分析金融数据，如股票交易数据
• 分析服务器日志

1.python里的datetime模块

python 标准库里提供了时间日期的处理模块，这个是时间日期的基础。

1）时间差

2）字符串和 datetime 转换

2.Pandas 里的时间序列

Pandas 里使用 Timestamp 来表达时间

3.日期范围

1）生成时间范围

2）时间频率

4时期及算术运算

pd.Period 表示时期，比如几日，月或几个月等。比如用来统计每个月的销售额，就可以用时期作为单位。

1）时间序列

2）时间的频率转换-asfreq

• A-DEC: 以 12 月份作为结束的年时期
• A-NOV: 以 11 月份作为结束的年时期
• Q-DEC: 以 12 月份作为结束的季度时期
  
  

3）季度时间频率

Pandas 支持 12 种季度型频率，从 Q-JAN 到 Q-DEC

4）Timestamp和Period相互转换

5.重采样

• 高频率 -> 低频率 -> 降采样：5 分钟股票交易数据转换为日交易数据
• 低频率 -> 高频率 -> 升采样
• 其他重采样：每周三 (W-WED) 转换为每周五 (W-FRI)

1）OHLC重采样

金融数据专用：Open/High/Low/Close

2）通过groupby重采样

3）升采样和插值

4)时间重采样

5)性能

6)时间日期解析

从文件中读取日期序列

自定义时间日期解析函数