python学习-时间序列

以时间排序的一组随机变量
24小时内的某一股票数值变化

处理
类 含义 相关方法
Timestamp 时间戳 to_datetime,Timestamp
DatetimeIndex 时间戳索引 to_datetime,date_range,DatetimeIndex
Period 时间间隔 Period
PeriodIndex 时间间隔索引 period_range,PeriodIndex

时间戳
代表一个时间时刻，可以直接用pd.Timestamp() 来创建

时间戳索引
单个时间戳为Timestamp 数据，时间戳以列表形式存在时，Pandas将强制转换为DatatimeIndex
此时不能再使用pd.Timestamp() 创建时间戳
而是用pd.to_datetime() 创建
还可以对时间戳序列格式化进行转换

转换成Series、DataFrame格式字符串
pd.to_datetime(pd.Series([‘2017-1-1’,’2017-1-2’,’2017-1-3’]))

pd.to_datetime([‘2017-1-1’,’2017-1-2’,’2017-1-3’])

pd.to_datetime(pd.DataFrame({‘year’:[2017,2017],’month’:[1,2],’day’:[3,4],’hour’:[5,6]}))
*转换成DataFrame，必须存在列名有year,month,day,另外hour，minute，second，millisecond，microsecond，nanosecond可选

忽略无效数据的方法
遇到无效数据报错
pd.to_datetime([‘2017-1-1’,’invalid’],errors=’raise’)
忽略无效数据
pd.to_datetime([‘2017-1-1’,’invalid’],errors=’ignore’)
将无效数据显示为NaT
pd.to_datetime([‘2017-1-1’,’invalid’],errors=’coerce’)

pd.date_range
生成有序的DatatimeIndex
pd.date_range(start=None,end=None,periods=None,freq=’D’,tz=None,normalize=False,name=None,closed=None,**kwargs)
start= 设置起始时间
end= 设置截止时间
periods 设置时间区间，若None则需要单独设置起止和截止时间
freq= 设置间隔周期
tz= 设置时区

freq=’s’ 秒
freq=’min’ 分
freq = ‘H’ 小时
freq=’D’ 天
freq=’w’ 周
freq=’m’ 月
freq=’BM’ 每月最后一天
freq=’W’ 每周的星期日