Data Whale第20期组队学习 Pandas学习—时序数据
Data Whale第20期组队学习 Pandas学习—时序数据
- 一、时序中的基本对象
- 二、时间戳
- 2.1 Timestamp的构造与属性
- 2.2 Datetime序列的生成
- 2.3 dt对象
- 2.4 时间戳的切片与索引
- 三、时间差
- 3.1 Timedelta的生成
- 3.2 Timedelta的运算
- 四、 日期偏置
- 4.1 Offset对象
- 4.2 偏置字符串
- 五、时序中的滑窗与分组
- 5.1 滑动窗口
- 5.2 重采样
- 参考文献
一、时序中的基本对象
时间序列的概念在日常生活中十分常见，但对于一个具体的时序事件而言，可以从多个时间对象的角度来描述。
第一，会出现时间戳（Date times）的概念，即’2020-9-7 08:00:00’和’2020-9-7 10:00:00’这两个时间点分别代表了上课和下课的时刻，在 pandas 中称为 Timestamp 。同时，一系列的时间戳可以组成 DatetimeIndex ，而将它放到 Series 中后， Series 的类型就变为了 datetime64[ns] ，如果有涉及时区则为 datetime64[ns, tz] ，其中tz是timezone的简写。
第二，会出现时间差（Time deltas）的概念，即上课需要的时间，两个 Timestamp 做差就得到了时间差，pandas中利用 Timedelta 来表示。类似的，一系列的时间差就组成了 TimedeltaIndex ， 而将它放到 Series 中后， Series 的类型就变为了 timedelta64[ns] 。
第三，会出现时间段（Time spans）的概念，即在8点到10点这个区间都会持续地在上课，在 pandas 利用 Period 来表示。类似的，一系列的时间段就组成了 PeriodIndex ， 而将它放到 Series 中后， Series 的类型就变为了 Period 。
第四，会出现日期偏置（Date offsets）的概念，假设你只知道9月的第一个周一早上8点要去上课，但不知道具体的日期，那么就需要一个类型来处理此类需求。再例如，想要知道2020年9月7日后的第30个工作日是哪一天，那么时间差就解决不了你的问题，从而 pandas 中的 DateOffset 就出现了。同时， pandas 中没有为一列时间偏置专门设计存储类型，理由也很简单，因为需求比较奇怪，一般来说我们只需要对一批时间特征做一个统一的特殊日期偏置。
| 序号 | 概念 | 单元素类型 | 数组类型 | pandas数据类型 |
|---|---|---|---|---|
| 1 | Date times | Timestamp | DatetimeIndex | datetime64[ns] |
| 2 | Time deltas | Timedelta | TimedeltaIndex | timedelta64[ns] |
| 3 | Time spans | Period | PeriodIndex | period[freq] |
| 4 | Date offsets | DateOffset | None | None |
二、时间戳
2.1 Timestamp的构造与属性
利用 pd.Timestamp 实现单个时间戳的生成，
import pandas as pdimport numpy as np# 常见日期格式都能被成功地转换Ts=pd.Timestamp('2021/1/7')print("Ts=",Ts)# Ts= 2021-01-07 00:00:00Ts1=pd.Timestamp('2021-1-7 16:10:30')print("Ts1=",Ts1)# Ts1= 2021-01-07 16:10:30"通过 year, month, day, hour, min, second 可以获取具体的数值"print("获取具体的数值:",Ts1.year,Ts1.month,Ts1.day,Ts1.hour,Ts1.minute,Ts1.second)# 获取具体的数值: 2021 1 7 16 10 30在 pandas 中，时间戳的最小精度为纳秒 ns ，由于使用了64位存储，可以表示的时间范围大约可以进行如下计算：
T i m e R a n g e = 2 64 1 0 9 ∗ 6 0 2 ∗ 24 ∗ 365 = 585 ( Y e a r s ) Time Range=\frac{2^{64}}{10^9*60^2*24*365}=585(Years) TimeRange=109∗602∗24∗365264=585(Years)
通过 pd.Timestamp.max 和 pd.Timestamp.min 可以获取时间戳表示的范围，可以看到确实表示的区间年数大小
print("pd.Timestamp.max=",pd.Timestamp.max)# pd.Timestamp.max= 2262-04-11 23:47:16.854775807print("pd.Timestamp.min=",pd.Timestamp.min)# pd.Timestamp.min= 1677-09-21 00:12:43.145225print("年数：",pd.Timestamp.max.year-pd.Timestamp.min.year)# 年数： 5852.2 Datetime序列的生成
一组时间戳可以组成时间序列，可以用 to_datetime 和 date_range 来生成。其中， to_datetime 能够把一列时间戳格式的对象转换成为 datetime64[ns] 类型的时间序列.
print("pd.to_datetime(['2020-05-02','2020-12-24','2021-01-09'])=", pd.to_datetime(['2020-05-02','2020-12-24','2021-01-09']))# pd.to_datetime(['2020-05-02','2020-12-24','2021-01-09'])= DatetimeIndex(['2020-05-02', '2020-12-24', '2021-01-09'], dtype='datetime64[ns]', freq=None)df=pd.read_csv('D:/binchen/txzq/data/learn_pandas.csv')time=pd.to_datetime(df.Test_Date)print("time.head()=",time.head())# time.head()= 0 2019-10-05# 1 2019-09-04# 2 2019-09-12# 3 2020-01-03# 4 2019-11-06# Name: Test_Date, dtype: datetime64[ns]"在极少数情况，时间戳的格式不满足转换时，可以强制使用 format 进行匹配"temp=pd.to_datetime(['2020\\1\\1','2020\\1\\3'],format='%Y\\%m\\%d')print("temp=",temp)# temp= DatetimeIndex(['2020-01-01', '2020-01-03'], dtype='datetime64[ns]', freq=None)"注意上面由于传入的是列表，而非 pandas 内部的 Series ，因此返回的是 DatetimeIndex ，""如果想要转为 datetime64[ns] 的序列，需要显式用 Series 转化"print("pd.Series(temp).head()=",pd.Series(temp).head())# pd.Series(temp).head()= 0 2020-01-01# 1 2020-01-03# dtype: datetime64[ns]"还存在一种把表的多列时间属性拼接转为时间序列的 to_datetime 操作，此时的列名必须和以下给定的时间关键词列名一致"df_date_cols = pd.DataFrame({'year': [2020, 2021],'month': [1, 5],'day': [1, 29], 'hour': [10, 20],'minute': [30, 50],'second': [20, 40]})print(" pd.to_datetime(df_date_cols)=", pd.to_datetime(df_date_cols))# pd.to_datetime(df_date_cols)= 0 2020-01-01 10:30:20# 1 2021-05-29 20:50:40# dtype: datetime64[ns]date_range 是一种生成连续间隔时间的一种方法，其重要的参数为 start, end, freq, periods ，它们分别表示开始时间，结束时间，时间间隔，时间戳个数。其中，四个中的三个参数决定了，那么剩下的一个就随之确定了。这里要注意，开始或结束日期如果作为端点则它会被包含。
print("pd.date_range('2020-10-1','2020-12-21', freq='10D')=", pd.date_range('2020-10-1','2020-12-21', freq='10D'))# pd.date_range('2020-10-1','2020-12-21', freq='10D')= DatetimeIndex(['2020-10-01', '2020-10-11', '2020-10-21', '2020-10-31',# '2020-11-10', '2020-11-20', '2020-11-30', '2020-12-10',# '2020-12-20'],# dtype='datetime64[ns]', freq='10D')# freq 参数与 DateOffset 对象紧密相关print("pd.date_range('2020-1-1','2020-2-28', periods=6)=", pd.date_range('2020-1-1','2020-2-28', periods=6))# pd.date_range('2020-1-1','2020-2-28', periods=6)= DatetimeIndex(['2020-01-01 00:00:00', '2020-01-12 14:24:00',# '2020-01-24 04:48:00', '2020-02-04 19:12:00',# '2020-02-16 09:36:00', '2020-02-28 00:00:00'],# dtype='datetime64[ns]', freq=None)一种改变序列采样频率的方法 asfreq ，它能够根据给定的 freq 对序列进行类似于 reindex 的操作。
num=pd.Series(np.random.rand(5),index=pd.to_datetime(['2020-10-%d'%i for i in range(1,10,2)]))print("num.head()=",num.head())# num.head()= 2020-10-01 0.432171# 2020-10-03 0.214229# 2020-10-05 0.128184# 2020-10-07 0.835918# 2020-10-09 0.881686# dtype: float64print("num.asfreq('D').head()=",num.asfreq('D').head())# num.asfreq('D').head()= 2020-10-01 0.096306# 2020-10-02 NaN# 2020-10-03 0.543096# 2020-10-04 NaN# 2020-10-05 0.747743# Freq: D, dtype: float64print("num.asfreq('12H').head()=",num.asfreq('12H').head())# num.asfreq('12H').head()= 2020-10-01 00:00:00 0.386634# 2020-10-01 12:00:00 NaN# 2020-10-02 00:00:00 NaN# 2020-10-02 12:00:00 NaN# 2020-10-03 00:00:00 0.088646# Freq: 12H, dtype: float642.3 dt对象
如同 category, string 的序列上定义了 cat, str 来完成分类数据和文本数据的操作，在时序类型的序列上定义了 dt 对象来完成许多时间序列的相关操作。这里对于 datetime64[ns] 类型而言，可以大致分为三类操作：取出时间相关的属性、判断时间戳是否满足条件、取整操作。
第一类操作的常用属性包括： date, time, year, month, day, hour, minute, second, microsecond, nanosecond, dayofweek, dayofyear, weekofyear, daysinmonth, quarter ，其中 daysinmonth, quarter 分别表示月中的第几天和季度。
num1= pd.Series(pd.date_range('2020-10-1','2020-10-31', freq='D'))print("num1.dt.date=",num1.dt.date)print("num1.dt.time",num1.dt.time)print("num1.dt.day=",num1.dt.day)print("num1.dt.daysinmonth=",num1.dt.daysinmonth)在这些属性中，经常使用的是 dayofweek ，它返回了周中的星期情况，周一为0、周二为1，以此类推
print("num1.dt.dayofweek=",num1.dt.dayofweek)"可以通过 month_name, day_name 返回英文的月名和星期名，注意它们是方法而不是属性"print("num1.dt.month_name()=",num1.dt.month_name())print("num1.dt.day_name()=",num1.dt.day_name())print("num1.dt.dayofweek=",num1.dt.dayofweek)"可以通过 month_name, day_name 返回英文的月名和星期名，注意它们是方法而不是属性"print("num1.dt.month_name()=",num1.dt.month_name())print("num1.dt.day_name()=",num1.dt.day_name())"第二类判断操作主要用于测试是否为月/季/年的第一天或者最后一天"print("num1.dt.is_year_start=",num1.dt.is_year_start )print("num1.dt.is_year_end=",num1.dt.is_year_end)print("num1.dt.is_month_start=",num1.dt.is_month_start)print("num1.dt.is_month_end=",num1.dt.is_month_end)"第三类的取整操作包含 round, ceil, floor ，它们的公共参数为 freq ，""常用的包括 H, min, S （小时、分钟、秒）"num2=pd.Series(pd.date_range('2020-12-1 20:35:00', '2020-12-1 21:35:00',freq='45min'))print("num2=",num2)# num2= 0 2020-12-01 20:35:00# 1 2020-12-01 21:20:00# dtype: datetime64[ns]print("num2.dt.round('1H')=",num2.dt.round('1H'))# num2.dt.round('1H')= 0 2020-12-01 21:00:00# 1 2020-12-01 21:00:00# dtype: datetime64[ns]print("num2.dt.ceil('1H')=",num2.dt.ceil('1H'))# num2.dt.ceil('1H')= 0 2020-12-01 21:00:00# 1 2020-12-01 22:00:00# dtype: datetime64[ns]print("num2.dt.floor('1H')=",num2.dt.floor('1H'))# num2.dt.floor('1H')= 0 2020-12-01 20:00:00# 1 2020-12-01 21:00:00# dtype: datetime64[ns]2.4 时间戳的切片与索引
时间戳序列作为索引使用。如果想要选出某个子时间戳序列，第一类方法是利用 dt 对象和布尔条件联合使用，另一种方式是利用切片，后者常用于连续时间戳。
num3= pd.Series(np.random.randint(2,size=366), index=pd.date_range('2020-01-01','2020-12-31'))idx= pd.Series(num3.index).dtprint("num3.head()=",num3.head())# 每月的第一天或者最后一天print("num3[(idx.is_month_start|idx.is_month_end).values].head()=", num3[(idx.is_month_start|idx.is_month_end).values].head())# num3[(idx.is_month_start|idx.is_month_end).values].head()= 2020-01-01 0# 2020-01-31 0# 2020-02-01 1# 2020-02-29 0# 2020-03-01 1# dtype: int32"双休日"print("num3[idx.dayofweek.isin([5,6]).values].head()=", num3[idx.dayofweek.isin([5,6]).values].head())"取出单日值"print("num3['2020-01-01']=",num3['2020-01-01'],num3['20200101'])"取出十月"print("num3['2020-10'].head()=",num3['2020-10'].head())# num3['2020-10'].head()= 2020-10-01 0# 2020-10-02 1# 2020-10-03 0# 2020-10-04 1# 2020-10-05 1# Freq: D, dtype: int32# 取出5月初至7月15日print("num3['2020-05':'2020-7-15'].head()=", num3['2020-05':'2020-7-15'].head())# num3['2020-05':'2020-7-15'].head()= 2020-05-01 0# 2020-05-02 1# 2020-05-03 1# 2020-05-04 0# 2020-05-05 1# Freq: D, dtype: int32print("num3['2020-05':'2020-7-15'].tail()=", num3['2020-05':'2020-7-15'].tail())# num3['2020-05':'2020-7-15'].tail()= 2020-07-11 1# 2020-07-12 0# 2020-07-13 0# 2020-07-14 1# 2020-07-15 0三、时间差
3.1 Timedelta的生成
时间差可以理解为两个时间戳的差，这里也可以通过 pd.Timedelta 来构造。
print("pd.Timestamp('20201102 08:00:00')-pd.Timestamp('20201101 07:55:00')=", pd.Timestamp('20201102 08:00:00')-pd.Timestamp('20201101 07:55:00'))# pd.Timestamp('20201102 08:00:00')-pd.Timestamp('20201101 07:55:00')= 1 days 00:05:00print("pd.Timedelta(days=1, minutes=25)=",pd.Timedelta(days=1, minutes=25))# pd.Timedelta(days=1, minutes=25)= 1 days 00:25:00print("pd.Timedelta('1 days 25 minutes')=",pd.Timedelta('1 days 25 minutes'))# pd.Timedelta('1 days 25 minutes')= 1 days 00:25:00生成时间差序列的主要方式是 pd.to_timedelta ，其类型为 timedelta64[ns]
num4 = pd.to_timedelta(df.Time_Record)print("num4.head()=",num4.head())# num4.head()= 0 0 days 00:04:34# 1 0 days 00:04:20# 2 0 days 00:05:22# 3 0 days 00:04:08# 4 0 days 00:05:22# Name: Time_Record, dtype: timedelta64[ns]"与 date_range 一样，时间差序列也可以用 timedelta_range 来生成，它们两者具有一致的参数"print("pd.timedelta_range('0s', '1000s', freq='6min')=", pd.timedelta_range('0s', '1000s', freq='6min'))# pd.timedelta_range('0s', '1000s', freq='6min')= TimedeltaIndex(['0 days 00:00:00', '0 days 00:06:00', '0 days 00:12:00'], dtype='timedelta64[ns]', freq='6T')print("pd.timedelta_range('0s', '1000s', periods=3)=", pd.timedelta_range('0s', '1000s', periods=3))# pd.timedelta_range('0s', '1000s', periods=3)= TimedeltaIndex(['0 days 00:00:00', '0 days 00:08:20', '0 days 00:16:40'], dtype='timedelta64[ns]', freq=None)对于 Timedelta 序列，同样也定义了 dt 对象，上面主要定义了的属性包括 days, seconds, mircroseconds, nanoseconds ，它们分别返回了对应的时间差特征。需要注意的是，这里的 seconds 不是指单纯的秒，而是对天数取余后剩余的秒数。
print("pd.timedelta_range('0s', '1000s', periods=3)=", pd.timedelta_range('0s', '1000s', periods=3))# pd.timedelta_range('0s', '1000s', periods=3)= TimedeltaIndex(['0 days 00:00:00', '0 days 00:08:20', '0 days 00:16:40'], dtype='timedelta64[ns]', freq=None)print("num4.dt.seconds.head()=",num4.dt.seconds.head())"不想对天数取余而直接对应秒数，可以使用 total_seconds"print("num4.dt.total_seconds().head()=",num4.dt.total_seconds().head())# num4.dt.total_seconds().head()= 0 274.0# 1 260.0# 2 322.0# 3 248.0# 4 322.0# Name: Time_Record, dtype: float64"与时间戳序列类似，取整函数也是可以在 dt 对象上使用的"print("pd.to_timedelta(df.Time_Record).dt.round('min').head()", pd.to_timedelta(df.Time_Record).dt.round('min').head())# pd.to_timedelta(df.Time_Record).dt.round('min').head() 0 0 days 00:05:00# 1 0 days 00:04:00# 2 0 days 00:05:00# 3 0 days 00:04:00# 4 0 days 00:05:00# Name: Time_Record, dtype: timedelta64[ns]3.2 Timedelta的运算
时间差支持的常用运算有三类：与标量的乘法运算、与时间戳的加减法运算、与时间差的加减法与除法运算。
td1=pd.Timedelta(days=10)td2= pd.Timedelta(days=23)ts = pd.Timestamp('20200202')print("td1*5=",td1*5)# td1*5= 50 days 00:00:00print("td2 - td1=",td2 - td1)# td2 - td1= 13 days 00:00:00print("ts td1=",ts td1)# ts td1= 2020-02-12 00:00:00print("ts - td1=",ts - td1)# ts - td1= 2020-01-23 00:00:00"这些运算都可以移植到时间差的序列上"td3 = pd.timedelta_range(start='10 days', periods=5)td4 = pd.timedelta_range(start='12 hours',freq='2H',periods=5)ts1= pd.date_range('20200101', '20200105')print("td4*10=",td4*10)#td2*10= 230 days 00:00:00print("td3-td4=",td3-td4)# td3-td4= TimedeltaIndex([ '9 days 12:00:00', '10 days 10:00:00', '11 days 08:00:00',# '12 days 06:00:00', '13 days 04:00:00'],# dtype='timedelta64[ns]', freq=None)print("td4 pd.Timestamp('20200101')=",td4 pd.Timestamp('20200101'))# td4 pd.Timestamp('20200101')= DatetimeIndex(['2020-01-01 12:00:00', '2020-01-01 14:00:00',# '2020-01-01 16:00:00', '2020-01-01 18:00:00',# '2020-01-01 20:00:00'],# dtype='datetime64[ns]', freq='2H')print("td4 ts",td4 ts)# td4 ts DatetimeIndex(['2020-02-02 12:00:00', '2020-02-02 14:00:00',# '2020-02-02 16:00:00', '2020-02-02 18:00:00',# '2020-02-02 20:00:00'],# dtype='datetime64[ns]', freq='2H')四、 日期偏置
4.1 Offset对象
日期偏置是一种和日历相关的特殊时间差，例如回到第一节中的两个问题：如何求2020年9月第一个周一的日期，以及如何求2020年9月7日后的第30个工作日是哪一天。
print("pd.Timestamp('20201231') pd.offsets.WeekOfMonth(week=2,weekday=0)=", pd.Timestamp('20201231') pd.offsets.WeekOfMonth(week=2,weekday=0))# pd.Timestamp('20201231') pd.offsets.WeekOfMonth(week=2,weekday=0)= 2021-01-18 00:00:00print("pd.Timestamp('20201207') pd.offsets.BDay(30)=", pd.Timestamp('20201207') pd.offsets.BDay(30))# pd.Timestamp('20201207') pd.offsets.BDay(30)= 2021-01-18 00:00:00"当使用 时获取离其最近的下一个日期，当使用 - 时获取离其最近的上一个日期"print("pd.Timestamp('20200831') - pd.offsets.WeekOfMonth(week=3,weekday=0)=", pd.Timestamp('20200831') - pd.offsets.WeekOfMonth(week=3,weekday=0))# pd.Timestamp('20200831') - pd.offsets.WeekOfMonth(week=3,weekday=0)= 2020-08-24 00:00:00print("pd.Timestamp('20200107') - pd.offsets.BDay(30)=", pd.Timestamp('20200107') - pd.offsets.BDay(30))# pd.Timestamp('20200107') - pd.offsets.BDay(30)= 2019-11-26 00:00:00print("pd.Timestamp('20210907') pd.offsets.MonthEnd()=", pd.Timestamp('20210907') pd.offsets.MonthEnd())# pd.Timestamp('20210907') pd.offsets.MonthEnd()= 2021-09-30 00:00:00在文档罗列的 Offset 中，需要介绍一个特殊的 Offset 对象 CDay ，其中的 holidays, weekmask 参数能够分别对自定义的日期和星期进行过滤，前者传入了需要过滤的日期列表，后者传入的是三个字母的星期缩写构成的星期字符串，其作用是只保留字符串中出现的星期。
my_filter = pd.offsets.CDay(n=1,weekmask='Wed Fri',holidays=['20200109'])dr = pd.date_range('20201108', '20201111')print("dr.to_series().dt.dayofweek",dr.to_series().dt.dayofweek)# dr.to_series().dt.dayofweek 2020-11-08 6# 2020-11-09 0# 2020-11-10 1# 2020-11-11 2# Freq: D, dtype: int64print("[i my_filter for i in dr]=",[i my_filter for i in dr])# [i my_filter for i in dr]= [Timestamp('2020-11-11 00:00:00'), Timestamp('2020-11-11 00:00:00'), Timestamp('2020-11-11 00:00:00'), Timestamp('2020-11-13 00:00:00')]4.2 偏置字符串
关于 date_range 的 freq 取值可用 Offset 对象，同时在 pandas 中几乎每一个 Offset 对象绑定了日期偏置字符串（ frequencies strings/offset aliases ），可以指定 Offset 对应的字符串来替代使用。
print("pd.date_range('20201101','20210131', freq='MS')=", pd.date_range('20201101','20210131', freq='MS'))# # 月初# pd.date_range('20201101','20210131', freq='MS')= DatetimeIndex(['2020-11-01', '2020-12-01', '2021-01-01'], dtype='datetime64[ns]', freq='MS')print("pd.date_range('20201101','20210131', freq='M')=", pd.date_range('20201101','20210131', freq='M'))# # 月末# pd.date_range('20201101','20210131', freq='M')= DatetimeIndex(['2020-11-30', '2020-12-31', '2021-01-31'], dtype='datetime64[ns]', freq='M')print("pd.date_range('20201101','20201110', freq='B')=", pd.date_range('20201101','20201110', freq='B')) # # 工作日# pd.date_range('20201101','20201110', freq='B')= DatetimeIndex(['2020-11-02', '2020-11-03', '2020-11-04', '2020-11-05',# '2020-11-06', '2020-11-09', '2020-11-10'],# dtype='datetime64[ns]', freq='B')print("pd.date_range('20200101','20200201', freq='W-MON') =", pd.date_range('20200101','20200201', freq='W-MON') )# pd.date_range('20200101','20200201', freq='W-MON') = DatetimeIndex(['2020-01-06', '2020-01-13', '2020-01-20', '2020-01-27'], dtype='datetime64[ns]', freq='W-MON')print("pd.date_range('20200101','20200201',freq='WOM-1MON')=", pd.date_range('20200101','20200201',freq='WOM-1MON'))# pd.date_range('20200101','20200201',freq='WOM-1MON')= DatetimeIndex(['2020-01-06'], dtype='datetime64[ns]', freq='WOM-1MON')"等价于使用如下的 Offset 对象："print("pd.date_range('20200101','20200331',freq=pd.offsets.MonthBegin())=", pd.date_range('20200101','20200331',freq=pd.offsets.MonthBegin()))print("pd.date_range('20200101','20200331',freq=pd.offsets.MonthEnd())=", pd.date_range('20200101','20200331',freq=pd.offsets.MonthEnd()))print("pd.date_range('20200101','20200110', freq=pd.offsets.BDay())=", pd.date_range('20200101','20200110', freq=pd.offsets.BDay()))print("pd.date_range('20200101','20200201',freq=pd.offsets.CDay(weekmask='Mon'))=", pd.date_range('20200101','20200201',freq=pd.offsets.CDay(weekmask='Mon')))print("pd.date_range('20200101','20200201',freq=pd.offsets.WeekOfMonth(week=0,weekday=0))=", pd.date_range('20200101','20200201',freq=pd.offsets.WeekOfMonth(week=0,weekday=0)))五、时序中的滑窗与分组
5.1 滑动窗口
所谓时序的滑窗函数，即把滑动窗口用 freq 关键词代替，下面给出一个具体的应用案例：在股票市场中有一个指标为 BOLL 指标，它由中轨线、上轨线、下轨线这三根线构成，具体的计算方法分别是 N 日均值线、 N 日均值加两倍 N 日标准差线、 N 日均值减两倍 N 日标准差线。
import matplotlib.pyplot as pltidx = pd.date_range('20210101', '20211231', freq='B')np.random.seed(2021)data = np.random.randint(-1,2,len(idx)).cumsum() # 随机游动构造模拟序列num5 = pd.Series(data,index=idx)print("num5.head()=",num5.head())# num5.head()= 2021-01-01 -1# 2021-01-04 -1# 2021-01-05 -1# 2021-01-06 -2# 2021-01-07 -2# Freq: B, dtype: int32r=num5.rolling('30D')plt.plot(num5)plt.title('BOLL LINES')plt.plot(r.mean())plt.plot(r.mean() r.std()*2)plt.plot(r.mean()-r.std()*2)plt.show()print("num5.shift(freq='50D').head()=",num5.shift(freq='50D').head())# num5.shift(freq='50D').head()= 2021-02-20 -1# 2021-02-23 -1# 2021-02-24 -1# 2021-02-25 -2# 2021-02-26 -2# dtype: int32
datetime64[ns] 的序列进行 diff 后就能够得到 timedelta64[ns] 的序列，这能够使用户方便地观察有序时间序列的间隔。
y_series = pd.Series(num5.index)print("my_series.head()=",my_series.head())# my_series.head()= 0 2021-01-01# 1 2021-01-04# 2 2021-01-05# 3 2021-01-06# 4 2021-01-07# dtype: datetime64[ns]print("my_series.diff(1).head()=",my_series.diff(1).head())# my_series.diff(1).head()= 0 NaT# 1 3 days# 2 1 days# 3 1 days# 4 1 days# dtype: timedelta64[ns]5.2 重采样
重采样对象 resample 和第四章中分组对象 groupby 的用法类似，前者是针对时间序列的分组计算而设计的分组对象。
"对上面的序列计算每10天的均值"print("num5.resample('10D').mean().head()=",num5.resample('10D').mean().head())# num5.resample('10D').mean().head()= 2021-01-01 -1.333333# 2021-01-11 -0.500000# 2021-01-21 1.142857# 2021-01-31 2.857143# 2021-02-10 2.750000# Freq: 10D, dtype: float64"如果没有内置定义的处理函数，可以通过 apply 方法自定义"print(",num5.resample('10D').apply(lambda x:x.max()-x.min()).head()=", num5.resample('10D').apply(lambda x:x.max()-x.min()).head())# ,num5.resample('10D').apply(lambda x:x.max()-x.min()).head()= 2021-01-01 1# 2021-01-11 2# 2021-01-21 3# 2021-01-31 2# 2021-02-10 2# Freq: 10D, dtype: int32在 resample 中要特别注意组边界值的处理情况，默认情况下起始值的计算方法是从最小值时间戳对应日期的午夜 00:00:00 开始增加 freq ，直到不超过该最小时间戳的最大时间戳，由此对应的时间戳为起始值，然后每次累加 freq 参数作为分割结点进行分组，区间情况为左闭右开。
**idx = pd.date_range('20200101 8:26:35', '20200101 9:31:58', freq='77s')data = np.random.randint(-1,2,len(idx)).cumsum()s = pd.Series(data,index=idx)print("s.head()=",s.head() )# s.head()= 2020-01-01 08:26:35 -1# 2020-01-01 08:27:52 -2# 2020-01-01 08:29:09 -2# 2020-01-01 08:30:26 -1# 2020-01-01 08:31:43 0# Freq: 77S, dtype: int32print("s.resample('7min').mean().head()",s.resample('7min').mean().head())# s.resample('7min').mean().head() 2020-01-01 08:24:00 -1.500000# 2020-01-01 08:31:00 0.400000# 2020-01-01 08:38:00 -0.333333# 2020-01-01 08:45:00 -2.600000# 2020-01-01 08:52:00 -2.166667# Freq: 7T, dtype: float64"从序列的最小时间戳开始依次增加 freq 进行分组，此时可以指定 origin 参数为 start"print("s.resample('7min', origin='start').mean().head()", s.resample('7min', origin='start').mean().head())# s.resample('7min', origin='start').mean().head() 2020-01-01 08:26:35 -1.000000# 2020-01-01 08:33:35 0.400000# 2020-01-01 08:40:35 -1.166667# 2020-01-01 08:47:35 -2.400000# 2020-01-01 08:54:35 -2.333333# Freq: 7T, dtype: float64"在返回值中，要注意索引一般是取组的第一个时间戳，但 M, A, Q, BM, BA, BQ, W 这七个是取对应区间的最后一个时间戳"s = pd.Series(np.random.randint(2,size=366),index=pd.date_range('2020-01-01','2020-12-31'))print("s.resample('MS').mean().head()",s.resample('MS').mean().head() )print("s.resample('M').mean().head()=",s.resample('M').mean().head())**参考文献
1、https://datawhalechina.github.io/joyful-pandas/build/html/目录/ch10.html
赞 (0)