Pandas 时间序列处理

其他 2019-08-09 13:48:33 阅读次数: 0

目录

Pandas 时间序列处理

1 Python 的日期和时间处理

1.1 常用模块

datetime time calendar

  • datetime，以毫秒形式存储日期和时间
  • datime.timedelta，表示两个 datetime 对象的时间差
  • datetime 模块中包含的数据类型
类型 说明
date 以公历形式存储日历日期（年、月、日）
time 将时间存储为时、分、秒、毫秒
datetime 存储日期和时间
timedelta 表示两个 datetime 值之间的差（日、秒、毫秒）

1.2 字符串和 datetime 转换

datetime -> str

  1. str(datetime_obj)
dt_obj = datetime(2019, 8, 8)
str_obj = str(dt_obj)
print(type(str_obj))
print(str_obj)

<class 'str'>
2019-08-08 00:00:00

  1. datetime.strftime()
str_obj2 = dt_obj.strftime('%d/%m/%Y')
print(str_obj2)

08/08/2019

str -> datetime

  1. datetime.strptime()
    需要指定时间表示的形式
dt_str = '2019-08-8'
dt_obj2 = datetime.strptime(dt_str, '%Y-%m-%d')
print(type(dt_obj2))
print(dt_obj2)

<class 'datetime.datetime'>
2019-08-08 00:00:00

  1. dateutil.parser.parse()
    可以解析大部分时间表示形式
from dateutil.parser import parse
dt_str2 = '8-08-2019'
dt_obj3 = parse(dt_str2)
print(type(dt_obj3))
print(dt_obj3)

<class 'datetime.datetime'>
2019-08-08 00:00:00

  1. pd.to_datetime()
    可以处理缺失值和空字符串

    具体看这

2 Pandas 的时间处理及操作

2.1 创建与基础操作

基本类型，以时间戳为索引的 Series->Datetimelndex

指定 index 为 datetime 的 list

from datetime import datetime
import pandas as pd
import numpy as np

# 指定index为datetime的list
date_list = [datetime(2017, 2, 18), datetime(2017, 2, 19), 
             datetime(2017, 2, 25), datetime(2017, 2, 26), 
             datetime(2017, 3, 4), datetime(2017, 3, 5)]
time_s = pd.Series(np.random.randn(6), index=date_list)
print(time_s)
print(type(time_s.index))

2017-02-18 -0.230989
2017-02-19 -0.398082
2017-02-25 -0.309926
2017-02-26 -0.179672
2017-03-04 0.942698
2017-03-05 1.053092
dtype: float64
<class 'pandas.core.indexes.datetimes.DatetimeIndex'>

索引

  • 索引位置
    print(time_s[0])

    -0.230988627576

  • 索引值
    print(time_s[datetime(2017, 2, 18)])

    -0.230988627576

  • 可以被解析的日期字符串
    print(time_s['20170218'])

    -0.230988627576

  • 按“年份”、“月份”索引
    print(time_s['2017-2'])
2017-02-18   -0.230989
2017-02-19   -0.398082
2017-02-25   -0.309926
2017-02-26   -0.179672
dtype: float64
  • 切片操作
    print(time_s['2017-2-26':])
2017-02-26   -0.179672
2017-03-04    0.942698
2017-03-05    1.053092
dtype: float64

过滤

  • 过滤掉日期之前的
    time_s.truncate(before='2017-2-25')
2017-02-25   -0.309926
2017-02-26   -0.179672
2017-03-04    0.942698
2017-03-05    1.053092
dtype: float64
  • 过滤掉日期之后的
    time_s.truncate(after='2017-2-25')
2017-02-18   -0.230989
2017-02-19   -0.398082
2017-02-25   -0.309926
dtype: float64

pd.date_range()

功能：生成日期范围

dates = pd.date_range('2017-02-18', # 起始日期
                      periods=5,    # 周期
                      freq='W-SAT') # 频率
print(dates)
print(pd.Series(np.random.randn(5), index=dates))

DatetimeIndex(['2017-02-18', '2017-02-25', '2017-03-04', '2017-03-11',
'2017-03-18'],
dtype='datetime64[ns]', freq='W-SAT')
2017-02-18 -1.680280
2017-02-25 0.908664
2017-03-04 0.145318
2017-03-11 -2.940363
2017-03-18 0.152681
Freq: W-SAT, dtype: float64

  • 传入开始、结束日期，默认生成的该时间段的时间点是按天计算的
    date_index = pd.date_range('2017/02/18', '2017/03/18')
  • 只传入开始或结束日期，还需要传入时间段
    print(pd.date_range(start='2017/02/18', periods=10, freq='4D'))
    print(pd.date_range(end='2017/03/18', periods=10))
  • 规范化时间戳
print(pd.date_range(start='2017/02/18 12:13:14', periods=10))
print(pd.date_range(start='2017/02/18 12:13:14', periods=10, normalize=True))

DatetimeIndex(['2017-02-18 12:13:14', '2017-02-19 12:13:14',
               '2017-02-20 12:13:14', '2017-02-21 12:13:14',
               '2017-02-22 12:13:14', '2017-02-23 12:13:14',
               '2017-02-24 12:13:14', '2017-02-25 12:13:14',
               '2017-02-26 12:13:14', '2017-02-27 12:13:14'],
              dtype='datetime64[ns]', freq='D')
DatetimeIndex(['2017-02-18', '2017-02-19', '2017-02-20', '2017-02-21',
               '2017-02-22', '2017-02-23', '2017-02-24', '2017-02-25',
               '2017-02-26', '2017-02-27'],
              dtype='datetime64[ns]', freq='D')
频率与偏移量
  • 频率 Freq，由基础频率的倍数组成，基础频率包括：
    1.BM:business end of month，每个月最后一个工作日
    2.D：天，M：月等

  • 偏移量，每个基础频率对应一个偏移量
    1.偏移量通过加法连接
sum_offset = pd.tseries.offsets.Week(2) + pd.tseries.offsets.Hour(12)
print(sum_offset)

print(pd.date_range('2017/02/18', '2017/03/18', freq=sum_offset))
14 days 12:00:00
DatetimeIndex(['2017-02-18 00:00:00', '2017-03-04 12:00:00'], dtype='datetime64[ns]', freq='348H')
移动数据

沿时间轴将数据前移或后移，保持索引不变

ts = pd.Series(np.random.randn(5), index=pd.date_range('20170218', periods=5, freq='W-SAT'))
print(ts)
2017-02-18   -0.208622
2017-02-25    0.616093
2017-03-04   -0.424725
2017-03-11   -0.361475
2017-03-18    0.761274
Freq: W-SAT, dtype: float64

向后移动一位：print(ts.shift(1))

2017-02-18         NaN
2017-02-25   -0.208622
2017-03-04    0.616093
2017-03-11   -0.424725
2017-03-18   -0.361475
Freq: W-SAT, dtype: float64

pd.to_datetime()

功能：字符串转成时间格式 
import pandas as pd
s_obj = pd.Series(['2017/02/18', '2017/02/19', '2017-02-25', '2017-02-26'], name='course_time')
s_obj2 = pd.to_datetime(s_obj)
print(s_obj2)

0 2017-02-18
1 2017-02-19
2 2017-02-25
3 2017-02-26
Name: course_time, dtype: datetime64[ns]

# 处理缺失值
s_obj3 = pd.Series(['2017/02/18', '2017/02/19', '2017-02-25', '2017-02-26'] + [None], 
                   name='course_time')
print(s_obj3)
0    2017/02/18
1    2017/02/19
2    2017-02-25
3    2017-02-26
4          None
Name: course_time, dtype: object

时间周期计算

  • Period 类，通过字符串或整数及基础频率构造
  • Period 对象可进行数学运算，但要保证具有相同的基础频率
  • period_range，创建指定规则的时间周期范围，生成 Periodlndex 索引，可用于创建 Series 或 DataFrame
  • 时间周期的频率转换，asfreq
    • 如：年度周期->月度周期
  • 按季度计算时间周期频率

2.2 时间数据重采样

重采样（resampling）

  • 将时间序列从一个频率转换到另一个频率的过程，需要聚合
  • 高频率->低频率，downsampling，相反为 upsampling
  • pandas 中的 resample 方法实现重采样
    • 产生 Resampler 对象
    • reample（freq）.sum0，resampe（freq）.mean）.…
import pandas as pd
import numpy as np

date_rng = pd.date_range('20170101', periods=100, freq='D')
ser_obj = pd.Series(range(len(date_rng)), index=date_rng)

# 统计每个月的数据总和
resample_month_sum = ser_obj.resample('M').sum()
# 统计每个月的数据平均
resample_month_mean = ser_obj.resample('M').mean()

print('按月求和：', resample_month_sum)
print('按月求均值：', resample_month_mean)
按月求和： 2017-01-31     465
2017-02-28    1246
2017-03-31    2294
2017-04-30     945
Freq: M, dtype: int32
按月求均值： 2017-01-31    15.0
2017-02-28    44.5
2017-03-31    74.0
2017-04-30    94.5
Freq: M, dtype: float64

降采样（downsampling）

  • 将数据聚合到规整的低频率
  • OHLC重采样，open，high，low，close
# 将数据聚合到5天的频率
five_day_sum_sample = ser_obj.resample('5D').sum()
five_day_mean_sample = ser_obj.resample('5D').mean()
five_day_ohlc_sample = ser_obj.resample('5D').ohlc()
  • 使用 groupby 降采样
    使用函数对其进行分组操作
    ser_obj.groupby(lambda x: x.month).sum()
    ser_obj.groupby(lambda x: x.weekday).sum()

升采样（upsampling）

  • 将数据从低频转到高频，需要插值，否则为 NaN (直接重采样会产生空值)
  • 常用的插值方法
  1. ffill(limit），空值取前面的值填充，limit 为填充个数
    df.resample('D').ffill(2)
  2. bfill（limit），空值取后面的值填充
    df.resample('D').bfill()
  3. fillna（fill'）或 fllna（‘bfill）
    df.resample('D').fillna('ffill')
  4. interpolate，根据插值算法补全数据
    线性算法：df.resample('D').interpolate('linear')
    具体可以参考：pandas.core.resample.Resampler.interpolate

2.3 滑动窗口

  • 在时间窗口上计算各种统计函数

  • 窗口函数（window functions）
  1. 滚动统计（rolling）
    obj.rolling().func
import pandas as pd
import numpy as np

ser_obj = pd.Series(np.random.randn(1000), 
                    index=pd.date_range('20170101', periods=1000))
ser_obj = ser_obj.cumsum()
r_obj = ser_obj.rolling(window=5)
print(r_obj)

Rolling [window=5,center=False,axis=0]

  1. window
    窗口大小
  2. center
    窗口是否居中统计

设置居中：

# 画图查看
import matplotlib.pyplot as plt
%matplotlib inline

plt.figure(figsize=(15, 5))

ser_obj.plot(style='r--')
ser_obj.rolling(window=10, center=True).mean().plot(style='b')

不设置居中：
ser_obj.rolling(window=10, center=False).mean().plot(style='b')

猜你喜欢

转载自www.cnblogs.com/banshaohuan/p/11326630.html
今日推荐
火速冲上 GitHub 热榜 —— 开源编程语言、框架哪有这么可爱？
北京人形机器人创新中心发布全球首个纯电驱拟人奔跑的全尺寸人形机器人“天工”
LFOSSA 源来如此公开课 | 掌握云原生未来：CNCF 认证全面攻略与备考秘籍
国产云输入法——仅华为无云端数据上传安全问题
开源日报 | 工业开源项目OGG 1.0；姐姐，你要和我一起配置火狐吗；苹果AI遥遥落后？Fedora 40
开放签电子签章：停止新增，优化体验，前进更进（五一假期前工作）
开源日报 | 中学生开源前端动画引擎；全球首个Llama3 8B中文版开源模型；联想电脑恐出局；Linus讽刺AI炒作
周排行
浏览器对同一域名进行请求的最大并发连接数
React Hook之自定义Hook
【转】MyBatis缓存机制
-Java-泛型
自动化测试常用脚本-发送邮件
LeetCode#859: Buddy Strings
java、Python处理字符串
第二篇の博客
Hadoop伪分布式环境安装
SQL Server进阶（十一）临时表、表变量
每日归档
更多
2024-04-27(56)
2024-04-26(39)
2024-04-25(22)
2024-04-24(36)
2024-04-23(26)
2024-04-22(39)
2024-04-21(0)
2024-04-20(6)
2024-04-19(5)
2024-04-18(0)

代码天地 © 2018 codetd.com

境外服务器   最新电视剧2022