【数据分析与可视化】时间序列中日期范围、频率、移位、时期的讲解（图文解释超详细）

我就是我 2023-09-30 18:49 6阅读 0赞

> **需要源码和PPT请点赞关注收藏后评论区留言私信~~~**

Pandas的通用时间序列是不规则的，即时间序列的频率是不固定的。然而经常有需要处理固定频率的场景，如每天、每月等

因此，Pandas还提供了一整套标准的时间序列频率和工具用于重新采样、推断频率及生成固定频率的数据范围

## 1 日期范围 ##

Pandas的通用时间序列是不规则的，即时间序列的频率是不固定的。然而经常有需要处理固定频率的场景，如每天、每月等。使用pd.date\_range函数可以创建指定长度的DatetimeIndex

date\_range函数创建DatetimeIndex索引

![3faff7a009a14e62b7ffeffe5546175d.png][]

index = pd.date_range('2018-12-28','2019-1-10')
    index

在默认情况下，产生的DatetimeIndex索引的间隔为天，如果只传递一个起始或者结束如期，则必须传递一个用于生成范围的数字

date\_range中指定开始日期和长度

index = pd.date_range(start =  '2019-5-28',periods = 6)
    index

date\_range中指定结束日期和长度

index = pd.date_range(end = '2019-5-28',periods = 6)
    index

## 2 频率和移位 ##

pandas中的频率是由一个基础频率和一个乘数组成的。基础频率通常以一个字符串别名表示，比如”H”表示每小时。对于每个基础频率，都有一个被称为日期偏移量的对象与之对应。可以通过实例化日期偏移量来创建某种频率：在基础频率前面放上一个整数即可创建偏移量的倍数

基础时间序列频率（部分）

![f94a22d663ab4e678c6baaccfef8bbc2.png][]

freq设置频率‘M

index = pd.date_range('2018-12-28','2019-3-10',freq = 'M')
    index

![2ca5a85f0ec24bb5a5f3011b03c76ad9.png][]

freq设置频率‘2H

![cd96044ef5374047894814c1f54f6cf1.png][]

index = pd.date_range(start =  '2019-5-28',periods = 4,freq = '2H')
    index

设置频率字符串

![d591633a42404ff686549c3d1ea4ee77.png][]

index = pd.date_range(start =  '2019-5-28',periods = 4,freq = '2H15T15S')
    index

移位”是指将日期按时间向前或向后移动。Series和DataFrame都有一个shift方法用于简单的前向或后向移位，而不改变索引

wdate = pd.Series(np.random.randn(4),index = pd.date_range('2019/1/1',periods = 4,freq = 'M'))
    print(wdate)
    wdate.shift(2)

这种单纯的移动不会修改索引，而是使部分数据被丢弃。如果在shift方法中传入频率参数，这样就是修改索引了

shift方法中传入频率参数修改索引

wdate.shift(2,freq = 'D')

## 3 时期 ##

时期表示的是时间区间，如数天、数月或数年等。Period可以创建时期型的数据，传入字符串、整数或频率即可

利用period可以创建时期型数据

w = pd.Period(2019,freq = 'A-DEC')
    print(w)
    print(w+2)

PeriodIndex索引的用法

类似于pd.date\_range，pd.period\_range函数可以创建日期范围，PeriodIndex索引同样可以构造Series或DateFrame

wdate = pd.period_range('2019/1/1','2019/6/1',freq = 'M')
    pd.Series(np.arange(6),index = wdate)

Period和PeriodIndex对象可以通过asfreq方法转换频

p = pd.Period(2019,freq = 'A-FEB')
    print(p.asfreq('M',how = 'start'))
    print(p.asfreq('M',how = 'end'))

利用to\_period方法可以将由时间戳索引的时间序列数据转换为以时期为索引

日期数据的转换

![566b5732b7304248b5eb6d03df354d11.png][]

w = pd.date_range('2019/1/1','2019/6/1',freq = 'M')
    y = pd.Series(np.arange(5),index = w)
    print(y)
    ps = y.to_period()
    print(ps)

**创作不易 觉得有帮助请点赞关注收藏~~~**

[3faff7a009a14e62b7ffeffe5546175d.png]: https://img-blog.csdnimg.cn/3faff7a009a14e62b7ffeffe5546175d.png
[f94a22d663ab4e678c6baaccfef8bbc2.png]: https://img-blog.csdnimg.cn/f94a22d663ab4e678c6baaccfef8bbc2.png
[2ca5a85f0ec24bb5a5f3011b03c76ad9.png]: https://img-blog.csdnimg.cn/2ca5a85f0ec24bb5a5f3011b03c76ad9.png
[cd96044ef5374047894814c1f54f6cf1.png]: https://img-blog.csdnimg.cn/cd96044ef5374047894814c1f54f6cf1.png
[d591633a42404ff686549c3d1ea4ee77.png]: https://img-blog.csdnimg.cn/d591633a42404ff686549c3d1ea4ee77.png
[566b5732b7304248b5eb6d03df354d11.png]: https://img-blog.csdnimg.cn/566b5732b7304248b5eb6d03df354d11.png