Pandas处理时间序列数据的20个关键知识点
时间序列数据有许多定义，它们以不同的方式表示相同的含义。一个简单的定义是时间序列数据包括附加到顺序时间点的数据点。
时间序列数据的来源是周期性的测量或观测。许多行业都存在时间序列数据。举几个例子:
· 一段时间内的股票价格
· 每天，每周，每月的销售额
· 流程中的周期性度量
· 一段时间内的电力或天然气消耗率
在这篇文章中，我将列出20个要点，帮助你全面理解如何用Pandas处理时间序列数据。
1.不同形式的时间序列数据
时间序列数据可以是特定日期、持续时间或固定的自定义间隔的形式。
时间戳可以是给定日期的一天或一秒，具体取决于精度。例如，' 2020-01-01 14:59:30 '是基于秒的时间戳。
2.时间序列数据结构
Pandas提供灵活和高效的数据结构来处理各种时间序列数据。
除了这3个结构之外，Pandas还支持日期偏移概念，这是一个与日历算法相关的相对时间持续时间。
3.创建一个时间戳
最基本的时间序列数据结构是时间戳，可以使用to_datetime或Timestamp函数创建
import pandas as pdpd.to_datetime('2020-9-13')
Timestamp('2020-09-13 00:00:00')pd.Timestamp('2020-9-13')
Timestamp('2020-09-13 00:00:00')4.访问按时间戳保存的信息
我们可以获得存储在时间戳中的关于日、月和年的信息。
a = pd.Timestamp('2020-9-13')a.day_name()
'Sunday'
a.month_name()
'September'
a.day
13
a.month
9
a.year
20205. 隐藏信息访问
时间戳对象还保存有关日期算法的信息。例如，我们可以问这一年是不是闰年。以下是我们可以获得的一些更具体的信息:
b = pd.Timestamp('2020-9-30')b.is_month_end
Trueb.is_leap_year
Trueb.is_quarter_start
Falseb.weekofyear
406. 欧洲风格的日期
我们可以使用to_datetime函数处理欧洲风格的日期(即日期在先)。dayfirst参数被设置为True。
pd.to_datetime('10-9-2020', dayfirst=True)
Timestamp('2020-09-10 00:00:00')pd.to_datetime('10-9-2020')
Timestamp('2020-10-09 00:00:00')注意:如果第一项大于12，Pandas会知道它不能是月。
pd.to_datetime('13-9-2020')
Timestamp('2020-09-13 00:00:00')7. 将数据格式转换为时间序列数据
to_datetime函数可以将具有适当列的数据名称转换为时间序列。考虑以下数据格式:
pd.to_datetime(df)0 2020-04-13
1 2020-05-16
2 2019-04-11
dtype: datetime64[ns]7.时间戳之外的时间表示
在现实生活中，我们几乎总是使用连续的时间序列数据，而不是单独的日期。而且，Pandas处理顺序时间序列数据非常简单。
我们可以将日期列表传递给to_datetime函数。
pd.to_datetime(['2020-09-13', '2020-08-12', '2020-08-04', '2020-09-05'])
DatetimeIndex(['2020-09-13', '2020-08-12', '2020-08-04', '2020-09-05'], dtype='datetime64[ns]', freq=None)返回的对象是一个DatetimeIndex。
还有一些更实用的方法来创造一系列的时间数据。
9. 用todatetime和totimedelta创建时间序列
可以通过将TimedeltaIndex添加到时间戳中来创建DatetimeIndex。
pd.to_datetime('10-9-2020') + pd.to_timedelta(np.arange(5), 'D')"D"用来表示"day"，但是也有很多其他的选择。你可以在查看整个列表。
10. date_range函数
它提供了一种更灵活的创建DatetimeIndex的方法。
pd.date_range(start='2020-01-10', periods=10, freq='M')参数的作用是:指定索引中的项数。freq 是频率，"M"表示一个月的最后一天。
就freq参数而言，date_range非常灵活。
pd.date_range(start='2020-01-10', periods=10, freq='6D')我们创建了一个频率为6天的数据。
11. period_range函数
它返回一个PeriodIndex。语法类似于date_range函数。
pd.period_range('2018', periods=10, freq='M')12. timedelta_range函数
它返回一个TimedeltaIndex。
pd.timedelta_range(start='0', periods=24, freq='H')13.时区
默认情况下，Panda的时间序列对象没有指定的时区。
dates = pd.date_range('2019-01-01','2019-01-10')
dates.tz is None
True我们可以使用tz_localize方法为这些对象分配时区。
dates_lcz = dates.tz_localize('Europe/Berlin')
dates_lcz.tz
14. 创建一个具有指定时区的时间序列
我们还可以使用tz关键字参数创建带有时区的时间序列对象。
pd.date_range('2020-01-01', periods = 5, freq = 'D', tz='US/Eastern')15. 偏移量
假设我们有一个时间序列索引，并且想为所有的日期偏移一个特定的时间。
A = pd.date_range('2020-01-01', periods=10, freq='D')A让我们给这个数据加上一周的偏移。
A + pd.offsets.Week()16. 移动时间序列数据
时间序列数据分析可能需要移数据点进行比较。移位函数可以移位数据。
A.shift(10, freq='M')17. Shift vs tshift
· 移动:移动数据
· tshift:移动时间索引
让我们创建一个带有时间序列索引的dataframe，并绘制它以查看shift和tshift之间的区别。
dates = pd.date_range('2020-03-01', periods=30, freq='D')
values = np.random.randint(10, size=30)
df = pd.DataFrame({'values':values}, index=dates)df.head()让我们把原始的时间序列和移位的时间序列一起画出来。
import matplotlib.pyplot as pltfig, axs = plt.subplots(nrows=3, figsize=(10,6), sharey=True)
plt.tight_layout(pad=4)
df.plot(ax=axs[0], legend=None)
df.shift(10).plot(ax=axs[1], legend=None)
df.tshift(10).plot(ax=axs[2], legend=None)18. 用取样函数重新采样
时间序列数据的另一个常见操作是重采样。根据任务的不同，我们可能需要以更高或更低的频率重新采样数据。
Resample创建指定内部的组(或容器)，并允许您对组进行合并。
让我们创建一个包含30个值和一个时间序列索引的Panda系列。
A = pd.date_range('2020-01-01', periods=30, freq='D')
values = np.random.randint(10, size=30)
S = pd.Series(values, index=A)以下将返回3天时间内的平均值。
S.resample('3D').mean()在某些情况下，我们可能对特定频率的值感兴趣。函数返回指定间隔结束时的值。例如，在上一步创建的系列中，我们可能只需要每3天(而不是平均3天)一次的值。
S.asfreq('3D')20.滚动
滚动对于时间序列数据是一种非常有用的操作。滚动意味着创建一个具有指定大小的滚动窗口，并对该窗口中的数据执行计算，当然，该窗口将滚动数据。下图解释了滚动的概念。
值得注意的是，计算开始时整个窗口都在数据中。换句话说，如果窗口的大小为3，那么第一次合并将在第三行进行。
让我们为我们的数据应用一个3天的滚动窗口。
S.rolling(3).mean()[:10]结论
我们已经全面介绍了用Pandas进行时间序列分析。值得注意的是，Pandas提供了更多的时间序列分析。
感谢您的阅读。如果你有任何反馈，请告诉我。
作者：Soner Y?ld?r?m
deephub翻译组:孟翔杰