Python数据分析入门（十三）：时间序列

àì夳堔傛蜴生んèń 2022-11-16 13:56 231阅读 0赞

**Python爬虫、数据分析、网站开发等案例教程视频免费在线观看**

https://space.bilibili.com/523606542

# [Python学习交流群：1039649593][Python_1039649593] #

时间序列（time series）数据是一种重要的结构化数据形式，。在多个时间点观察或测量到的任何时间都可以形成一段时间序列。很多时间， 时间序列是固定频率的， 也就是说， 数据点是根据某种规律定期出现的（比如每15秒。。。。）。时间序列也可以是不定期的。时间序列数据的意义取决于具体的应用场景。主要由以下几种：

*  时间戳（timestamp），特定的时刻。
 *  固定时期（period），如2007年1月或2010年全年。
 *  时间间隔（interval），由起始和结束时间戳表示。时期（period）可以被看做间隔（interval）的特例。

# 1. 时间和日期数据类型及其工具： #

Python标准库包含用于日期（date）和时间（time）数据的数据类型，而且还有日历方面的功能。我们主要会用到datetime、time以及calendar模块。datetime.datetime（也可以简写为datetime）是用得最多的数据类型：

In [10]: from datetime import datetime
    
    In [11]: now = datetime.now()
    
    In [12]: now
    Out[12]: datetime.datetime(2017, 9, 25, 14, 5, 52, 72973)
    
    In [13]: now.year, now.month, now.day
    Out[13]: (2017, 9, 25)

datetime以毫秒形式存储日期和时间。timedelta表示两个datetime对象之间的时间差：

In [14]: delta = datetime(2011, 1, 7) - datetime(2008, 6, 24, 8, 15)
    
    In [15]: delta
    Out[15]: datetime.timedelta(926, 56700)
    
    In [16]: delta.days
    Out[16]: 926
    
    In [17]: delta.seconds
    Out[17]: 56700

可以给datetime对象加上（或减去）一个或多个timedelta，这样会产生一个新对象：

In [18]: from datetime import timedelta
    
    In [19]: start = datetime(2011, 1, 7)
    
    In [20]: start + timedelta(12)
    Out[20]: datetime.datetime(2011, 1, 19, 0, 0)
    
    In [21]: start - 2 * timedelta(12)
    Out[21]: datetime.datetime(2010, 12, 14, 0, 0)

![2887f7b7b3352f2b50c10d0fb8ddcc8a.png][]

### 字符串和datetime的相互转换 ###

利用str或strftime方法（传入一个格式化字符串），datetime对象和pandas的Timestamp对象（稍后就会介绍）可以被格式化为字符串：

In [22]: stamp = datetime(2011, 1, 3)
    
    In [23]: str(stamp)
    Out[23]: '2011-01-03 00:00:00'
    
    In [24]: stamp.strftime('%Y-%m-%d')
    Out[24]: '2011-01-03'

![5741be3a0cc4fe40b0b60ca9abff0c6f.png][]

datetime.strptime可以用这些格式化编码将字符串转换为日期：

In [26]: datetime.strptime(value, '%Y-%m-%d')
    Out[26]: datetime.datetime(2011, 1, 3, 0, 0)
    
    In [27]: datestrs = ['7/6/2011', '8/6/2011']
    
    In [28]: [datetime.strptime(x, '%m/%d/%Y') for x in datestrs]
    Out[28]: 
    [datetime.datetime(2011, 7, 6, 0, 0),
     datetime.datetime(2011, 8, 6, 0, 0)]

datetime.strptime是通过已知格式进行日期解析的最佳方式。但是每次都要编写格式定义是很麻烦的事情，尤其是对于一些常见的日期格式。这种情况下，你可以用dateutil这个第三方包中的parser.parse方法（pandas中已经自动安装好了）：

In [29]: from dateutil.parser import parse
    
    In [30]: parse('2011-01-03')
    Out[30]: datetime.datetime(2011, 1, 3, 0, 0)

dateutil可以解析几乎所有人类能够理解的日期表示形式：

In [31]: parse('Jan 31, 1997 10:45 PM')
    Out[31]: datetime.datetime(1997, 1, 31, 22, 45)

在国际通用的格式中，日出现在月的前面很普遍，传入dayfirst=True即可解决这个问题：

In [32]: parse('6/12/2011', dayfirst=True)
    Out[32]: datetime.datetime(2011, 12, 6, 0, 0)

pandas通常是用于处理成组日期的，不管这些日期是DataFrame的轴索引还是列。to\_datetime方法可以解析多种不同的日期表示形式。对标准日期格式（如ISO8601）的解析非常快：

In [33]: datestrs = ['2011-07-06 12:00:00', '2011-08-06 00:00:00']
    
    In [34]: pd.to_datetime(datestrs)
    Out[34]: DatetimeIndex(['2011-07-06 12:00:00', '2011-08-06 00:00:00'], dtype='dat
    etime64[ns]', freq=None)

它还可以处理缺失值（None、空字符串等）：

In [35]: idx = pd.to_datetime(datestrs + [None])
    
    In [36]: idx
    Out[36]: DatetimeIndex(['2011-07-06 12:00:00', '2011-08-06 00:00:00', 'NaT'], dty
    pe='datetime64[ns]', freq=None)
    
    In [37]: idx[2]
    Out[37]: NaT
    
    In [38]: pd.isnull(idx)
    Out[38]: array([False, False,  True], dtype=bool)

NaT（Not a Time）是pandas中时间戳数据的null值。

# 2. 时间序列基础 #

pandas最基本的时间序列类型就是以时间戳（通常以Python字符串或datatime对象表示）为索引的Series：

In [39]: from datetime import datetime
    
    In [40]: dates = [datetime(2011, 1, 2), datetime(2011, 1, 5),
       ....:          datetime(2011, 1, 7), datetime(2011, 1, 8),
       ....:          datetime(2011, 1, 10), datetime(2011, 1, 12)]
    
    In [41]: ts = pd.Series(np.random.randn(6), index=dates)
    
    In [42]: ts
    Out[42]: 
    2011-01-02   -0.204708
    2011-01-05    0.478943
    2011-01-07   -0.519439
    2011-01-08   -0.555730
    2011-01-10    1.965781
    2011-01-12    1.393406
    dtype: float64

这些datetime对象实际上是被放在一个DatetimeIndex中的：

In [43]: ts.index
    Out[43]: 
    DatetimeIndex(['2011-01-02', '2011-01-05', '2011-01-07', '2011-01-08',
                   '2011-01-10', '2011-01-12'],
                  dtype='datetime64[ns]', freq=None)

跟其他Series一样，不同索引的时间序列之间的算术运算会自动按日期对齐：

In [44]: ts + ts[::2]
    Out[44]: 
    2011-01-02   -0.409415
    2011-01-05         NaN
    2011-01-07   -1.038877
    2011-01-08         NaN
    2011-01-10    3.931561
    2011-01-12         NaN
    dtype: float64

ts\[::2\] 是每隔两个取一个。

### 索引、选取、子集构造 ###

当你根据标签索引选取数据时，时间序列和其它的pandas.Series很像：

In [48]: stamp = ts.index[2]
    
    In [49]: ts[stamp]
    Out[49]: -0.51943871505673811

还有一种更为方便的用法：传入一个可以被解释为日期的字符串：

In [50]: ts['1/10/2011']
    Out[50]: 1.9657805725027142
    
    In [51]: ts['20110110']
    Out[51]: 1.9657805725027142

[Python_1039649593]: https://jq.qq.com/?_wv=1027&k=SBLaYU2c
[2887f7b7b3352f2b50c10d0fb8ddcc8a.png]: /images/20221022/ef92da3cc0a046a68da03416b5ceb3b2.png
[5741be3a0cc4fe40b0b60ca9abff0c6f.png]: /images/20221022/f19e66ad53654e199339c8bbab3f5b3e.png