Python数据分析 之时间序列基础

　　1. 时间序列基础

　　import numpy as np

　　import pandas as pd

　　np.random.seed(12345)

　　import matplotlib.pyplot as plt

　　plt.rc('figure', figsize=(10, 6))

　　PREVIOUS_MAX_ROWS = pd.options.display.max_rows

　　pd.options.display.max_rows = 20

　　np.set_printoptions(precision=4, suppress=True)

　　pandas最基本的时间序列类型就是以时间戳(通常以Python字符串或datatime对象表示)为索引的Series:

　　from datetime import datetime

　　dates = [datetime(2011, 1, 2), datetime(2011, 1, 5),

　　datetime(2011, 1, 7), datetime(2011, 1, 8),

　　datetime(2011, 1, 10), datetime(2011, 1, 12)]

　　ts = pd.Series(np.random.randn(6), index=dates)

　　ts

　　这些datetime对象实际上是被放在一个DatetimeIndex中的:

　　ts.index

　　

　　跟其他Series一样，不同索引的时间序列之间的算术运算会自动按日期对 齐:

　　print(ts[::2]) #每隔一个取一个

　　ts + ts[::2]

　　pandas用NumPy的datetime64数据类型以纳秒形式存储时间戳:

　　ts.index.dtype

　　

　　DatetimeIndex中的各个标量值是pandas的Timestamp对象:

　　stamp = ts.index[0]

　　stamp

　　

　　只要有需要，TimeStamp可以随时自动转换为datetime对象。此外，它还可以存储频率信息(如果有的话)，且知道如何执行时区转换以及其他操作。 之后将对此进行详细讲解。

　　2. 索引、选取、子集构造

　　当你根据标签索引选取数据时，时间序列和其它的pandas.Series很像:

　　print(ts)

　　stamp = ts.index[2]

　　print(ts[stamp]) #标签索引

　　print(ts[2]) #整数索引

　　还有一种更为方便的用法:传入一个可以被解释为日期的字符串:

　　print(ts['1/10/2011'])

　　print(ts['20110110'])

　　ts['2011-01-10']

　　

　　对于较长的时间序列，只需传入“年”或“年月”即可轻松选取数据的切片:

　　longer_ts = pd.Series(np.random.randn(1000),

　　index=pd.date_range('1/1/2000', periods=1000))#天为单位

　　longer_ts

　　longer_ts['2001']

　　这里，字符串“2001”被解释成年，并根据它选取时间区间。指定月也同样奏效:

　　longer_ts['2001-05']

　　datetime对象也可以进行切片:

　　print(ts)

　　ts[datetime(2011, 1, 7):]

　　由于大部分时间序列数据都是按照时间先后排序的，因此你也可以用不存在于该时间序列中的时间戳对其进行切片(即范围查询):

　　ts['1/6/2011':'1/11/2011']

　　

　　跟之前一样，你可以传入字符串日期、datetime或Timestamp进行索引。注意，这样 切片所产生的是原时间序列的视图(共享内存)，跟NumPy数组的切片运算是一样的。

　　这意味着，没有数据被复制，对切片进行修改会反映到原始数据上。

　　此外，还有一个等价的实例方法也可以截取两个日期之间TimeSeries:

　　ts.truncate(after='1/9/2011')无锡妇科医院哪家好 http://www.xasgyy.net/

　　

　　这些操作对DataFrame也有效。例如，对DataFrame的行进行索引:

　　dates = pd.date_range('1/1/2000', periods=100, freq='W-WED') #间隔单位为周

　　long_df = pd.DataFrame(np.random.randn(100, 4),

　　index=dates,

　　columns=['Colorado', 'Texas',

　　'New York', 'Ohio'])

　　long_df.loc['5-2001']

　　3. 带有重复索引值的时间序列

　　在某些应用场景中，可能会存在多个观测数据落在同一个时间点上的情况。下面就是一个例子:

　　dates = pd.DatetimeIndex(['1/1/2000', '1/2/2000', '1/2/2000',

　　'1/2/2000', '1/3/2000'])

　　dup_ts = pd.Series(np.arange(5), index=dates)

　　dup_ts

　　

　　通过检查索引的is_unique属性，我们就可以知道它是不是唯一的:

　　dup_ts.index.is_unique

　　

　　对这个时间序列进行索引，要么产生标量值，要么产生切片，具体要看所选的时间点是否重复:

　　print(dup_ts['1/3/2000'])# not duplicated

　　dup_ts['1/2/2000'] # duplicated

　　

　　假设你想要对具有非唯一时间戳的数据进行聚合。一个办法是使用 groupby，并传入level=0:

　　grouped = dup_ts.groupby(level=0)

　　print(grouped.mean())

　　grouped.count()