【数据分析与可视化】时间序列基础讲解与实战（图文解释附源码）

川长思鸟来 2023-09-30 18:49 8阅读 0赞

> **需要源码请点赞关注收藏后评论区留言私信~~~**

在很多行业，时间序列数据是一种重要的结构化数据类型，如金融、经济、生态学、神经科学和物理学等领域。在多个时间点观测或测量的数据形成了时间序列

## 一、日期和时间数据类型 ##

### 1 datetime构造 ###

Python标准库中包含了用于日期（date）、时间（time）、日历（calendar）等功能的数据类型，主要会用到datetime、time、calendar模块，我们主要介绍一下datetime模块

表9-1 datetime库的时间数据类型为

![eedc6a91567546f687510ca4b45fe61c.png][]

date类型数据的创建

data类型的数据用于创建日期型数据，通过年月日进行存储

import datetime
    date = datetime.date(2019,6,1)
    print(date)
    print(date.year,date.month,date.day)

![b3e7569b11e44450a9cba5f21f33a7a4.png][]

time类型数据的用法

time类型的数据用于存储时间数据，通过时、分、秒、毫秒进行存储

![40b6491c45f04abd93e6cecf8d66c6a5.png][]

time = datetime.time(10,20,15)
    print(time)
    print(time.hour,time.minute,time.second)

Datetime类数据是date类和time类数据的组合，通过now函数可以查看当前的时间

timedelta类数据为两个datetime类数据的差，也可以通过给datetime类对象加或减去timedelta类对象，以此获得新的datetime对象

timedelta类数据应用

![1c4b910ddd4d4f46aacb3abf0890e089.png][]

now = datetime.datetime.now()
    birth = datetime.datetime(2016,5,1,18,30,25)
    delta = now-birth
    print(delta)

### 2 数据转换 ###

在数据分析中，字符串和datetime类数据需要进行转换，通过str方法可以直接将datetime类数据转换为字符串数据

1. datetime -> str：将datetime类数据转换为字符串数据。 str方法： datetime.strftime 可以将datetime类数据转换为格式化字符串数据

2. str -> datetime :将字符串数据转换为datetime类数据。 datetime.strptime(…) 根据string, format 2个参数，返回一个对应的datetime对象

datetime格式说明

![cad009bee6524b42ab686c121abfb75b.png][]

将datetime类数据转换为字符串数据

from datetime import datetime
    stamp = datetime(2019,6,4)
    print(str(stamp))

如果需要将datetime类数据转换为特定格式的字符串数据，需要使用strftime方法

strftime方法转换datetime类型数据

stamp.strftime('%Y/%m/%d')

字符串转换为日期类型

w_value = '2019-6-23'
    print(datetime.strptime('2019-06-23','%Y-%m-%d'))
    datestrs = ['7/19/1976','8/1/1976']
    [datetime.strptime(x,'%m/%d/%Y') for x in datestrs ]

在Pandas中也可以通过to\_datetime方法快速将一列字符串数据转换为datetime数据

## 二、时间序列基础 ##

Pandas中的基础时间序列种类是由时间戳索引的Series，在Pandas外部则表示为Python字符串或datetime对象

Pandas中的时间序列指的是以时间数据为索引的Series或DataFrame，构造方法即为Series的构造方法

时间序列的构造

import pandas as pd
    import numpy as np
    w_dates = [datetime(2018,5,15),datetime(2018,6,15),datetime(2019,5,18),datetime(2019,5,25)]
    s = pd.Series(np.arange(4),index = w_dates)
    print(s)

![28303ce5be03412aab1e89489f4ed4bc.png][]

和其他Series类似，不同索引的时间序列之间的算术运算在日期上会自动对齐

时间序列的索引方法和pandas基础数据类型的用法是一样的

print(s)
    print(s[2])

时间序列的切片

s[:2]

利用索引进行时间序列的切片

s['2019-05-15':'2019-05-18']

利用年获取时间序列切片

s['2018']

利用年和月获取时间序列切片

s['2018-6']

查看重复时间序列

s.index.is_unique

**创作不易 觉得有帮助请点赞关注收藏~~~**

[eedc6a91567546f687510ca4b45fe61c.png]: https://img-blog.csdnimg.cn/eedc6a91567546f687510ca4b45fe61c.png
[b3e7569b11e44450a9cba5f21f33a7a4.png]: https://img-blog.csdnimg.cn/b3e7569b11e44450a9cba5f21f33a7a4.png
[40b6491c45f04abd93e6cecf8d66c6a5.png]: https://img-blog.csdnimg.cn/40b6491c45f04abd93e6cecf8d66c6a5.png
[1c4b910ddd4d4f46aacb3abf0890e089.png]: https://img-blog.csdnimg.cn/1c4b910ddd4d4f46aacb3abf0890e089.png
[cad009bee6524b42ab686c121abfb75b.png]: https://img-blog.csdnimg.cn/cad009bee6524b42ab686c121abfb75b.png
[28303ce5be03412aab1e89489f4ed4bc.png]: https://img-blog.csdnimg.cn/28303ce5be03412aab1e89489f4ed4bc.png