Python数据分析之时间序列

1. 时间序列类型

• 时间戳（timestramp）
  即特定的时刻
• 固定时期（period）
  如2018年1月或2018年1月1日
• 时间间隔（interval）
  由起始和结束时间戳表示

2. Python处理模块

Python标准库包含用于日期和时间数据的数据类型，主要用到datetime、time、calendar模块。
datetime模块常使用datetime和timedelta两种实例方法

• datetime：以毫秒形式存储日期和时间
• timedelta：表示两个datetime对象的时间差

引入datetime模块

import datetime

生成datetime对象

start_date = datetime(2018,1,1)
print(type(start_date))
end_date = datetime(2018,12,31)
print(type(end_date))
delta_date = end_date - start_date
print(type(delta_date))

字符串转化datetime对象

• datetime.strptime()

  date_str = '2018-1-1'
  date_strptime = datetime.strptime(date_str, '%Y-%m-%d')
  print(type(date_strptime))
  print(date_strptime)

  

• dateutil.parser.parse()

  date_str2 = '1-1-2018'
  date_parse = parse(date_str2)
  print(type(date_parse))
  print(date_parse)

  

• pandas.to_datetime()

  date_arr = ['1/1/2018','12/31/2018']
  date_todatetime = pd.to_datetime(date_arr)
  print(type(date_todatetime))
  print(date_todatetime)

  

datetime对象转化字符串

• str

  start_date = datetime(2018,1,1)
  str_start_date = str(start_date)
  print(type(str_start_date))
  print(str_start_date)

  

• strftime

  start_date = datetime(2018,1,1)
  strftime_start_date = start_date.strftime('%Y-%m-%d')
  print(type(strftime_start_date))
  print(strftime_start_date)

  

3. Pandas 时间处理

• serial

  ts = pd.Series(np.random.randn(6), index=date_list)
  print(type(ts))
  print(ts)

  

• date_range()

  dates = pd.date_range('2018-1-1', periods=5, freq='W-SAT') 
  print(dates)
  print(pd.Series(np.random.randn(5), index=dates))

  

  date_index = pd.date_range('2018/1/1', '2018/2/1')
  print(date_index)

  

• 移动数据

  ts = pd.Series(np.random.randn(5), index=pd.date_range('20180101', periods=5, freq='W-SAT'))
  print(ts)

  

  print(ts.shift(1))

  

  print(ts.shift(-1))