pandas之处理时间序列数据

一、datetime库

datetime库中有以下几种类型：

from datetime import datetime
from datetime import timedelta

1. 字符串与datetime相互转换

datetime转换为字符串：

stamp = datetime(2022, 4, 8)

str(stamp) # 结果：'2022-04-08 00:00:00'

stamp.strftime('%Y-%m-%d') # 结果：'2022-04-08'

将字符串转化为datetime：

datetime.strptime是在已知格式的情况下转换日期的好方式：

s = '2022-04-09'
datetime.strptime(s, '%Y-%m-%d') # 结果：datetime.datetime(2022, 4, 9, 0, 0)

每次都必须编写一个格式代码可能有点烦人，特别是对于通用日期格式。在这种情况下，你可以使用第三方dateutil包的parser.parse方法（这个包在安装pandas时已经自动安装，所以不需额外安装）：

from dateutil.parser import parse

s = '2022-04-09'
parse(s) # 结果：datetime.datetime(2022, 4, 9, 0, 0)

dateutil能够解析大部分人类可理解的日期表示：

parse('Jan 31, 2022 10:45 PM') # 结果：datetime.datetime(2022, 1, 31, 22, 45)

如果日期出现在月份之前，可以传递dayfirst=True来表明这种情况：

parse('9/4/2022', dayfirst=True) # 结果：datetime.datetime(2022, 4, 9, 0, 0)

二、pandas中的时间序列数据

1. to_datetime方法

pandas中的to_datetime方法可以转换很多不同的日期表示格式：

s = '2022-04-09'
pd.to_datetime(s) # 结果：Timestamp('2022-04-09 00:00:00')

同时转换多个日期，即传入列表（datetime.strptime和parse不能）：

dates = ['2022-04-01', '2022-04-03','2022-04-05','2022-04-07','2022-04-09']
pd.to_datetime(dates) # 结果：DatetimeIndex(['2022-04-01', '2022-04-03', '2022-04-05', '2022-04-07', '2022-04-09'], dtype='datetime64[ns]', freq=None)

to_datetime方法生成的是Timestamp对象。

同样的，也可以传递dayfirst=True。

参考pandas中的to_datetime()方法

另外，to_datetime方法还可以处理那些被认为是缺失值的值：

dt = ['2022-04-09', '2022-04-10', None]
pd.to_datetime(dt) # 结果：DatetimeIndex(['2022-04-09', '2022-04-10', 'NaT'], dtype='datetime64[ns]', freq=None)

其中，NaT（Not a time）是pandas中时间戳数据的是null值。

2. 作为索引

时间序列数据可作为series和dataframe的索引，以Series为例。

2.1 短的序列

dates = pd.to_datetime(['2022-04-01', '2022-04-03','2022-04-05','2022-04-07','2022-04-09'])
ds = pd.Series(np.random.uniform(0, 1, 5), index=dates)

ds：

2022-04-01    0.089425
2022-04-03    0.917701
2022-04-05    0.222676
2022-04-07    0.450355
2022-04-09    0.125723
dtype: float64

• 可以像普通的Series一样进行选择：

ds[1] # 结果：0.9177005610779598

• 也可以传入相应的时间序列数据：

ds['2022-04-03'] # 结果：0.9177005610779598

• 还可以传递一个能解释为日期的字符串：

ds['2022/04/03'] # 结果：0.9177005610779598

2.2 长的序列

longer_ds = pd.Series(data=np.random.uniform(0, 1, 1000), index=pd.date_range('2022-01-01', periods=1000))

pandas 时间序列之pd.date_range()

longer_ds：

2022-01-01    0.807610
2022-01-02    0.559262
2022-01-03    0.216209
2022-01-04    0.577930
2022-01-05    0.674460
                ...   
2024-09-22    0.407143
2024-09-23    0.730174
2024-09-24    0.803955
2024-09-25    0.647067
2024-09-26    0.338940
Freq: D, Length: 1000, dtype: float64

• 可以传递一个年份来选择数据：

longer_ds['2022']

输出结果：

2022-01-01    0.807610
2022-01-02    0.559262