pandas学习：时序数据

---

一、时序中的基本对象

概念	单元素类型	数组类型	pandas数据类型
Date times	Timestamp	DatetimeIndex	datetime64[ns]
Time deltas	Timedelta	TimedeltaIndex	timedelta64[ns]
Time spans	Period	PeriodIndex	period[freq]
Date offsets	DateOffset	None	None

二、时间戳

1. Timestamp的构造及属性

• 单个时间戳通过pd.Timestamp实现，一般来讲常见的日期格式能够被成功转换
• 单元素类型为Timestamp时，可以通过year,month,day,hour,min,second来获取对应的具体数值
• datetime64[ns]的精度时纳秒，用64为存储，则时间范围在585年之间，可以通过pd.Timestamp.max和pd.Timestamp.min来获取时间戳的范围

2. Datetime序列的生成

• 一组时间戳可以组成时间序列，可以用to_datetime和date_range来生成，to_datetime能狗酱一列时间戳格式的对象转换成为datetime64[ns]类型的时间序列
• 如果时间戳格式不满足时，可以通过强制使用format进行匹配
• 如果是非 pandas 内部的 Series ，因此返回的是 DatetimeIndex ，如果想要转为 datetime64[ns] 的序列，需要显式用 Series 转化
• date_range 是一种生成连续间隔时间的一种方法，其重要的参数为 start, end, freq, periods ，它们分别表示开始时间，结束时间，时间间隔，时间戳个数
• 改变序列采样频率的方法 asfreq ，它能够根据给定的 freq 对序列进行类似于 reindex 的操作，新的Index值为缺失

3. dt对象

• 如同 category, string 的序列上定义了 cat, str 来完成分类数据和文本数据的操作，在时序类型的序列上定义了 dt 对象来完成许多时间序列的相关操作
• 对于 datetime64[ns] 类型而言的操作有：取出时间相关的属性、判断时间戳是否满足条件、取整操作

• 取出时间相关的常用属性包括： date, time, year, month, day, hour, minute, second, microsecond, nanosecond, dayofweek, dayofyear, weekofyear, daysinmonth, quarter ，其中 daysinmonth, quarter 分别表示该月一共有几天和季度
• dayofweek ，它返回了周中的星期情况，周一为0、周二为1
• month_name, day_name 返回英文的月名和星期名，注意它们是方法而不是属性
• 判断时间戳是否满足条件:is_year_start,is_year_end
• 取整操作:取整操作包含 round, ceil, floor ，它们的公共参数为 freq ，常用的包括 H, min, S （小时、分钟、秒）

4. 时间戳的切片与索引

如果想要选出某个子时间戳序列，第一类方法是利用 dt 对象和布尔条件联合使用，另一种方式是利用切片，后者常用于连续时间戳

三、时间差

1. Timedelta的生成

间差可以理解为两个时间戳的差，可以通过 pd.Timedelta 来构造
生成时间差序列的主要方式是 pd.to_timedelta ，其类型为 timedelta64[ns]
与 date_range 一样，时间差序列也可以用 timedelta_range 来生成，它们两者具有一致的参数
对于 Timedelta 序列，同样可以定义 dt 对象，dt主要定义的属性包括 days, seconds, mircroseconds, nanoseconds ，它们分别返回了对应的时间差特征。需要注意的是，这里的 seconds 不是指单纯的秒，而是对天数取余后剩余的秒数，如果想要直接得到对应的秒数total_seconds

2. Timedelta的运算

与标量的乘法运算、与时间戳的加减法运算、与时间差的加减法与除法运算：

---

四、日期偏置

1. Offset对象

Offset 对象在 pd.offsets 中被定义

2. 偏置字符串

几乎每一个 Offset 对象绑定了日期偏置字符串（ frequencies strings/offset aliases ），可以指定 Offset 对应的字符串来替代使用

五、时序中的滑窗与分组

1. 滑动窗口

时序的滑窗函数，即把滑动窗口用 freq 关键词代替
对于 shift 函数而言，作用在 datetime64 为索引的序列上时，可以指定 freq 单位进行滑动
datetime64[ns] 的序列进行 diff 后就能够得到 timedelta64[ns] 的序列，这能够使用户方便地观察有序时间序列的间隔

2. 重采样

重采样对象resample与groupby的用法相似。没有内置定义函数是可以用apply方法进行自定义
索引一般是取组的第一个时间戳，但 M, A, Q, BM, BA, BQ, W 这七个是取对应区间的最后一个时间戳