《利用Python 进行数据分析 第二版》 -第11章 时间序列

本章重点内容：

1、日期和时间数据的类型及工具

2、时间序列基础

3、日期范围、频率和移位

4、时间区间和区间算术

 

接下来进行详细说明

1、日期和时间数据的类型及工具

Python标准库包含了日期和时间数据的类型，也包括日历相关的功能，datetime、time、calendar等，

看一个具体的例子，如下：

 

 timedelta表示两个时间对象的时间差，可以通过相减得到，也可以在原有时间上增加时间差，如下：

 

 

 

 字符串与datetime互相转换

将datetime类型时间，转换为字符串，有两种方式

方式1：使用str方法

 

 方式2：通过strftime函数方法

 

 将字符串转换为datetime类型，有三种方式

方式1：使用datetime.strptime

 

 方法2：使用第三方dateutile包的parser.parse

 

 方式3：使用pandas中的to_datetime方法

 

 2、时间序列基础

pandas中的基础时间序列种类是由时间戳索引的Series，在pandas外部则通常表示为Python字符串或datetime对象

看一个数据例子，如下：

 

 可以通过时间，进行数据索引，如下：

 

 因为时间有天、月、年之分，所以也可以通过年月日进行选择，我们将上面的数据稍微调整，如下：

 

 我们可以只选择2019年的数据，如下：

 

 我们可以选择2020年2月的数据，如下：

 

 通过时间对数据切片也是可以的，如下：

 

 3、日期范围、频率和移位

  可以通过data_range函数生成时间范围，如下：

 

 可以指定开始时间或者结束时间，然后往后推一段时间或者往前推一段时间，如下：

 

 其实该函数有很多参数可以选择不同的频率日期，举一个常用的情况，就是每个月的最后一个工作日，你可以通过freq参数来获得，如下：

 

 时间的频率可以控制的小时的纬度，也就是通过间隔固定几个小时，来生成时间，如下：

 

 有些特别要求的时间点，也可以获得，例如每个月第三个星期五，如下：

 

 对时间数据进行移位，也就是将时间向前或者向后移动

可以通过shift方法来实现时间的移动，会有不同的移动方式

方式1：保持索引不变，如下:

 

 方法2：移动月份，数据保持不变，如下

 

 方法3：移动日期，数据保持不变，如下：

 

 方法4：移动固定的小时数，数据保持不变，如下：

 

 4、时间区间和区间算术

时间区间表示的时间范围，比如一些天，一些月，一些季度或年，这种数据类型就是Period类，看一个例子：

 

 上面的例子表示2020年1月1日到2020年12月31日的时间段

可以对这种时间区间数据进行加减操作，表示的就是前后移动的时间，如下：

 

 上面的例子表示的是年度区间，也有月度区间，而且可以进行转换，还是以上面例子，可以转换成月度区间，如下：

 

 可以将时间戳转换为时间区间，通过to_period方法实现，如下：

 

 

以上就是本章重点内容，祝学习愉快

 

以下链接，可以供你了解这个系列学习笔记的所有章节最新进度

自学笔记系列：《利用Python 进行数据分析 第二版》 -写在开始之前