《利用python进行数据分析》读书笔记之时间序列（二）

本文中可能使用的数据集来自： 《利用python进行数据分析》数据集

时间区间和时间算数

时间区间表示的是一个时间范围，如从2007年1月1日到2007年12月31日就是一个时间区间。pandas中包含一个Period类，用于表示时间区间。
可以使用以下语句来创建一个Period对象：

p1 = pd.Period("2007",'A-DEC')
#表示2007年1月1日到2007年12月31日，A-DEC表示12月份的最后一个工作日
p2 = pd.Period("2020","A-JUN")
#表示2019年7月1日到2020年6月30日,A-JUN表示6月份的最后一个工作日

对Period对象进行加减可以轻松的对时间区间进行移位，如果是两个相同单位的时间区间相减，则会得到它们之间差的单位数。
使用pd.period_range函数则可以构造一个时间区间的序列：

rng = pd.period_range("2001-01-01","2001-6-30",freq="M")
print(rng)
# PeriodIndex(['2001-01', '2001-02', '2001-03', '2001-04', '2001-05', '2001-06'], dtype='period[M]', freq='M')

区间频率转换

对于一个年度区间，我们可以使用asfreq方法转换为月度区间：

p = pd.Period("2020","A-JUN")
#表示2019年7月1日到2020年6月30日,A-JUN表示6月份的最后一个工作日
p1 = p.asfreq("M","start")
#代表p第一个月，即2019年6月这个时间范围
print(p1)
# 2019-07
p2 = p.asfreq("M","end")
#代表p最后一个月，即2020年6月这个时间范围
print(p2)
# 2020-06

我们也可以将月度区间转换为年度区间：

p = pd.Period("2007-08","M")
#代表2007年8月这个时间段
p1 = p.asfreq("A-JUN")
#会自动根据子区间所属的范围来确定年度区间
print(p1)
# 2008 表示2007年7月到2008年6月

对一一个以一系列PeriodIndex作为索引的DataFrame或者Series对象来说，其也包含着asfreq方法，来方便的对索引进行转换：

rng = pd.period_range("2006","2009",freq="A-DEC")
print(rng)
# PeriodIndex(['2006', '2007', '2008', '2009'], dtype='period[A-DEC]', freq='A-DEC')
ts = pd.Series(np.random.rand(len(rng)),index=rng)
print(ts)
# PeriodIndex(['2006', '2007', '2008', '2009'], dtype='period[A-DEC]', freq='A-DEC')
# 2006    0.984073
# 2007    0.075052
# 2008    0.207786
# 2009    0.297224
# Freq: A-DEC, dtype: float64
print(ts.asfreq("M",how="start"))
# 2006-01    0.984073
# 2007-01    0.075052
# 2008-01    0.207786
# 2009-01    0.297224
# Freq: M, dtype: float64

季度区间频率

在金融领域中，时间区间往往使用的的是季度（3个月），在pandas中我们可以方便的创建以季度为单位的时间区间：

p = pd.Period("2012Q2",freq="Q-JAN")
#表示2011年11月到2012年1月（3个月，即一个季度），"Q-JAN表示一个边界，即1月
#2012Q4表示以2011年1月为边界的第4个季度，即2012Q3贼代表2011-7到2011-10，2012Q2代表2011-4到2011-6，
#2012Q1代表2011-1到2011-3

当然我们可以对其进行频率的转换：

print(p.asfreq("D","start"))
# 2011-11-01

我们也可生成一个指定的季度序列：

rng = pd.period_range("2011Q3","2012Q4",freq="Q-JAN")
#表示以1月为起点，2011年的第三个季度到2012年第四个区间所包含的季度
ts = pd.Series(np.random.randn(len(rng)),index=rng)
print(ts)
# 2011Q3    0.471435
# 2011Q4   -1.190976
# 2012Q1    1.432707
# 2012Q2   -0.312652
# 2012Q3   -0.720589
# 2012Q4    0.887163
# Freq: Q-JAN, dtype: float64

时间戳与时间区间的相互转换

对于一个以时间戳序列为索引的Sereis或者DataFrame对象可以使用to_period方法来将其索引转换为时间区间：

rng = pd.date_range("2000-01-01",periods=3,freq