基于Pandas的时间序列分析方法与实践（1）

腾讯next学院张雨萌的课程，本文为学习笔记，侵删。

一、日期类型数据的表示

1. pd.to_datetime(几乎所有日期时间格式)

2. 定制化提取日期信息：

import pandas as pd
date1 = 20190529
date1.strftime("%Y-%m-%d, %a")

 3. 时间类型的向量化运算：

date1 = pd.to_datetime('2019-05-29')
print (date1 + pd.to_timedelta(np.arange(12),'D'))

 4. 日期作为索引可以取： a. 特定日期的值； b. 时间区间内的值； c. 特定年/月的值

import pandas as pd

index = pd.DatetimeIndex(['2017-7-1', '2017-8-1',
                          '2018-7-1', '2018-8-1',
                          '2019-7-1', '2019-8-1'])

data = pd.Series([3,4,5,6,7,8], index = index)

print(data['2018-8-1'])
print(data['2017-7-15':'2018-7-15'])
print(data['2018'])

二、时间序列的索引结构