系列二：教女朋友学时间序列

微信公众号：数据皮皮侠
如果你觉得该公众号对你有帮助，欢迎关注、推广宣传

内容目录：时间序列Python实现

时间序列 简介1.3 时间戳1.4 时间区间1.5 时间加减1.6 指定索引1.7 时间戳和时间周期可以转换

时间序列 简介

1.3 时间戳

1import pandas as pd
2pd.Timestamp('2016-07-10')

Timestamp('2016-07-10 00:00:00')
可以指定更多细节

1pd.Timestamp('2020-04-11 10')

Timestamp('2020-04-11 10:00:00')

1pd.Timestamp('2020-04-11 10:15')

Timestamp('2020-04-11 10:15:00')

1.4 时间区间

2020年1月1号：：

1pd.Period('2020-01-01')

Period('2020-01-01', 'D')

2020年的一月份：

1pd.Period('2020-01')

Period('2020-01', 'M')

1.5 时间加减

TIME OFFSETS
产生一个一天的时间偏移量：

1pd.Timedelta('1 day')

Timedelta('1 days 00:00:00')

得到2020-01-01 10:10的后一天时刻：

1pd.Period('2020-01-01 10:10') + pd.Timedelta('1 day')

Period('2020-01-02 10:10', 'T')

时间戳加减：

1pd.Timestamp('2020-01-01 10:10') + pd.Timedelta('1 day')

Timestamp('2020-01-02 10:10:00')

加15 ns：

1pd.Timestamp('2020-01-01 10:10') + pd.Timedelta('30 ns')

Timestamp('2020-01-01 10:10:00.000000030')

在时间间隔刹参数中，我们既可以写成25H，也可以写成1D1H这种通俗的表达：

1p1 = pd.period_range('2020-01-01 10:10', freq = '25H', periods = 10)
2p2 = pd.period_range('2020-01-01 10:10', freq = '1D1H', periods = 10)

 1p1
 2PeriodIndex(['2020-01-01 10:00', '2020-01-02 11:00', '2020-01-03 12:00',
 3             '2020-01-04 13:00', '2020-01-05 14:00', '2020-01-06 15:00',
 4             '2020-01-07 16:00', '2020-01-08 17:00', '2020-01-09 18:00',
 5             '2020-01-10 19:00'],
 6            dtype='period[25H]', freq='25H')
 7p2
 8PeriodIndex(['2020-01-01 10:00', '2020-01-02 11:00', '2020-01-03 12:00',
 9             '2020-01-04 13:00', '2020-01-05 14:00', '2020-01-06 15:00',
10             '2020-01-07 16:00', '2020-01-08 17:00', '2020-01-09 18:00',
11             '2020-01-10 19:00'],
12            dtype='period[25H]', freq='25H')

1.6 指定索引

1rng = pd.date_range('2019 Jul 1', periods = 10, freq = 'D')
2rng
3pd.Series(range(len(rng)), index = rng)

显示结果：

 12019-07-01    0
 22019-07-02    1
 32019-07-03    2
 42019-07-04    3
 52019-07-05    4
 62019-07-06    5
 72019-07-07    6
 82019-07-08    7
 92019-07-09    8
102019-07-10    9
11Freq: D, dtype: int64

构造任意的Series结构时间序列数据：

 1import numpy as np
 2import pandas as pd
 3periods = [pd.Period('2019-01'), pd.Period('2019-02'), pd.Period('2019-03')]
 4ts = pd.Series(np.random.randn(len(periods)), index = periods)
 5
 6ts
 72019-01   -3.101546
 82019-02   -1.911547
 92019-03    1.160135
10Freq: M, dtype: float64
11
12type(ts.index)
13pandas.core.indexes.period.PeriodIndex

1.7 时间戳和时间周期可以转换

产生时间周期：

 1ts = pd.Series(range(10), pd.date_range('07-10-19 8:00', periods = 10, freq = 'H'))
 2ts
 32019-07-10 08:00:00    0
 42019-07-10 09:00:00    1
 52019-07-10 10:00:00    2
 62019-07-10 11:00:00    3
 72019-07-10 12:00:00    4
 82019-07-10 13:00:00    5
 92019-07-10 14:00:00    6
102019-07-10 15:00:00    7
112019-07-10 16:00:00    8
122019-07-10 17:00:00    9
13Freq: H, dtype: int64

将时间周期转化为时间戳：

 1ts_period = ts.to_period()
 2ts_period
 32019-07-10 08:00:00    0
 42019-07-10 09:00:00    1
 52019-07-10 10:00:00    2
 62019-07-10 11:00:00    3
 72019-07-10 12:00:00    4
 82019-07-10 13:00:00    5
 92019-07-10 14:00:00    6
102019-07-10 15:00:00    7
112019-07-10 16:00:00    8
122019-07-10 17:00:00    9
13Freq: H, dtype: int64

时间周期和时间戳区别：
对时间周期的切片操作：

1ts_period['2019-07-10 08:30':'2019-07-10 11:45'] 
22019-07-10 08:00    0
32019-07-10 09:00    1
42019-07-10 10:00    2
52019-07-10 11:00    3
6Freq: H, dtype: int64

对时间戳的切片操作结果:

1ts['2019-07-10 08:30':'2019-07-10 11:45'] 
22019-07-10 09:00:00    1
32019-07-10 10:00:00    2
42019-07-10 11:00:00    3
5Freq: H, dtype: int64