本文探讨了Pandas在处理时序数据时的一些关键问题，包括date_range的批量加帧操作、提高Timestamp精度、处理超出时间范围的数据点以及查找缺失日期的方法。此外，还提供了超市牛奶销售额时间序列数据的实践练习，涵盖从查找最大值的星期到计算滑窗统计等任务。
学习资源链接时序数据
一、总览
二、疑问
1.
2.
3.
三、思考题
【问题一】 如何对date_range进行批量加帧操作或对某一时间段加大时间戳密度？
【问题二】 如何批量增加TimeStamp的精度？
【问题三】 对于超出处理时间的时间点，是否真的完全没有处理方法？
【问题四】 给定一组非连续的日期，怎么快速找出位于其最大日期和最小日期之间，且没有出现在该组日期中的日期？
四、练习题
因为不知道如何把这jupyter里的Python快速导入到Markdown里面，就直接截图了。
【练习一】 现有一份关于某超市牛奶销售额的时间序列数据，请完成下列问题：
（a）销售额出现最大值的是星期几？（提示：利用dayofweek函数）
（b）计算除去春节、国庆、五一节假日的月度销售总额
（c）按季度计算周末（周六和周日）的销量总额
（d）从最后一天开始算起，跳过周六和周一，以5天为一个时间单位向前计算销售总和
（e）假设现在发现数据有误，所有同一周里的周一与周五的销售额记录颠倒了，请计算2018年中每月第一个周一的销售额（如果该周没有周一或周五的记录就保持不动）
【练习二】 继续使用上一题的数据，请完成下列问题：
（a）以50天为窗口计算滑窗均值和滑窗最大值（min_periods设为1）
（b）现在有如下规则：若当天销售额超过向前5天的均值，则记为1，否则记为0，请给出2018年相应的计算结果
（c）将©中的“向前5天”改为“向前非周末5天”，请再次计算结果
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
