数据处理：pandas中时间序列、数据可视化_pandas '%y%m%d h:m:s-优快云博客

本文链接：https://blog.youkuaiyun.com/condi1997/article/details/104906211

这篇博客主要介绍了pandas中时间序列的处理，包括时间日期的转换、时间重采样以及文件中日期序列的解析。同时，详细讲解了pandas数据可视化，如线形图、柱状图、直方图、密度图、散布图和散饼图的绘制方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

第一部分：pandas时间序列

一.python中的时间日期

datetime模块和timedelta模块
1.datetime(2016, 3, 20, 8, 30).strftime('%Y-%m-%d %H:%M:%S')----strftime从time格式转化成字符串str格式，strftime()括号内为具体的字符串形式。
等价于datetime.strftime(datetime(2016, 3, 20, 8, 30),'%Y-%m-%d %H:%M:%S')
2.datetime.strptime('2016-03-20 09:30', '%Y-%m-%d %H:%M')----strptime从字符串str格式转化成time格式，括号内为待转换的字符串形式。

二.pandas中的时间日期

1.固定时刻timestamp：pandas会将datetime转换成timestamp形式。
日期序列：利用data_range()函数
1)pd.date_range('20160320', '20160331')----给出范围
2)pd.date_range(start='20160320', periods=10)----给出起始日期和周期
3)pd.date_range(start='20160320', periods=10, freq='4H')----给出起始、周期和时间频率
2.固定时期period:
1)p1 = pd.Period(2016, freq='M')----默认.Period()表示以年为周期
时期序列：利用period_range()函数
2)时期的频率转换:asfreq()
A-DEC: 以12月份作为结束的年时期
A-NOV: 以11月份作为结束的年时期
Q-DEC: 以12月份作为结束的季度时期
例1：将以年为单位、十二月为结尾的日期转换成以月为单位的时期

p = pd.Period('2016', freq='A-DEC')
p.asfreq('M', how='start'
out[]:Period('2016-01', 'M')
p.asfreq('M', how='end')
out[]:Period('2016-12', 'M')

例2：季度时期的表示：
p = pd.Period('2016Q4', 'Q-JAN')----表示季度时期，以一月份为结尾，2016Q4指的是2015年11月–2016年1月
例3：

# 获取该季度倒数第二个工作日下午4点的时间戳
p4pm = (p.asfreq('B', how='end') - 1).asfreq('T', 'start') + 16 * 60

3.timestamp和period转换：to_period()和to_timestamp

ts = pd.Series(np.random.randn(5), index = pd.date_range('2016-12-29', periods=5, freq='D'))
ts
out[]:
2016-12-29   -0.110462
2016-12-30   -0.265792
2016-12-31   -0.382456
2017-01-01   -0.036111
2017-01-02   -1.029658
Freq: D, dtype: float64

pts = ts