pandas时间序列操作

最好用的时间序列处理工具是pandas，它里面的各个主要的类继承了性能很好的np.datetime64，基于它构建的时间类型的数组能够实现快速的向量化运算。

pandas处理时间序列支持的功能：

• 解析来自各种来源和格式的时间序列信息
• 生成固定频率日期和时间范围的序列
• 使用时区信息处理和转换日期时间
• 将时间序列重采样或转换为特定频率
• 以绝对或相对时间增量执行日期和时间算术

概述

pandas捕捉了4个与时间相关的一般概念：

1. 日期时间：具有时区支持的特定日期和时间。与datetime.datetime标准库相似。

2. 时间增量：绝对持续时间。与datetime.timedelta标准库相似。

3. 时间跨度：由时间点及其关联的频率定义的时间跨度。

4. 日期偏移量：尊重日历算术的相对持续时间。类似于dateutil.relativedelta.relativedelta从dateutil包。

概念	标量类	数组类	pandass数据类型	主要创建方法
日期时间	Timestamp	DatetimeIndex	datetime64[ns]；datetime64[ns, tz]	to_datetime；date_range
时间增量	Timedelta	TimedeltaIndex	timedelta64[ns]	to_timedelta；timedelta_range
时间跨度	Period	PeriodIndex	period[freq]	Period；period_range
日期偏移	DateOffset	None	None	DateOffse

*常用的时间序列构建与实例的操作（代码）*

时间戳、时间戳数组创建

https://nbviewer.jupyter.org/github/JoJoJohnSnow/JPnotes/blob/master/notes/%E6%97%B6%E9%97%B4%E6%88%B3%E3%80%81%E6%97%B6%E9%97%B4%E6%88%B3%E6%95%B0%E7%BB%84%E5%88%9B%E5%BB%BA.ipynb

时间序列索引

https://nbviewer.jupyter.org/github/JoJoJohnSnow/JPnotes/blob/master/notes/%E6%97%B6%E9%97%B4%E5%BA%8F%E5%88%97%E7%B4%A2%E5%BC%95.ipynb

时间序列实例的常用方法

https://github.com/JoJoJohnSnow/JPnotes/blob/master/notes/%E6%97%B6%E9%97%B4%E5%BA%8F%E5%88%97%E5%AE%9E%E4%BE%8B%E7%9A%84%E7%9B%B8%E5%85%B3%E6%96%B9%E6%B3%95.ipynb