pandas处理时间序列（2）：DatetimeIndex、索引和选择、含有重复索引的时间序列、日期范围与频率和移位、时间区间和区间算术

一、时间序列基础

1. 时间戳索引DatetimeIndex

生成20个DatetimeIndex

from datetime import datetime
dates = pd.date_range(start='2019-04-01',periods=20)
dates

用这20个索引作为ts的索引

ts = pd.Series(np.random.randn(20),index=dates)
ts

不同索引的时间序列之间的算术运算在日期上自动对齐

ts + ts[::2]

pandas使用numpy的datetime64数据类型在纳秒级的分辨率下存储时间戳

ts.index.dtype

DatetimeIndex中的标量值是pandas的Timestamp对象

stamp =ts.index[0]
stamp

2. 索引、选择

(1) 索引

ts是一个series；stamp是索引为2的时间戳，Timestamp('2019-04-03 00:00:00', freq='D')

stamp =ts.index[2]

ts[stamp]

为了方便,可以传递一个能解释为日期的字符串

(2) 选择

[1]对于长的时间序列,可以传递一个年份或一个年份和月份来选择数据的切片

longer_ts = pd.Series(np.random.randn(10),index=pd.date_range('4/1/2019',periods=10))
longer_ts

选择2019年4月份的所有数据

longer_ts.loc['2019-4']#可以写成'2019/04',不能写成'201904'

选择2019年的所有数据

longer_ts['2019']

[2]选择一段时间内的数据

ts[datetime(2019,1,1):]

ts['1/4/2019':'4/10/2019']

truncate也可以实现在两个日期间对Series进行切片

ts.truncate(after='4/3/2019')

以上操作也都适用于DataFrame

　　

3. 含有重复索引的时间序列

在某些应用中，可能会有多个数据观察值落在特定的时间戳中。

dates = pd.DatetimeIndex(['4/1/2019','4/2/2019','4/2/2019','4/2/2019','4/3/2019'])

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

通过检查索引的is_unique属性，我们可以看出索引并不是唯一的。

dup_ts.index.is_unique

对上面的Series进行索引，结果是标量值还是Series切片取决于是否有时间戳是重复的。

假设你想要聚合含有非唯一时间戳的数据，一种方式就是使用groupby并传递level=0

二、日期范围、频率和移位

　　有些应用中经常需要处理固定频率的场景，例如每日的、每月的或每10分钟，这意味着我们甚至需要在必要的时候向时间序列中引入缺失值。pandas可以帮助我们重新采样、推断频率以及生成固定频率的数据范围。

1. 生成日期范围pd.date_range()、pd.period_range()

常用函数：

• pd.date_range()，生成的是DatetimeIndex格式的日期序列；
• pd.period_range()，生成PeriodIndex的时期日期序列。
  

（1）pd.date_range()

参数：起始时间，结束时间，freq，periods  (四选三)

　　开始日期和结束日期严格定义了生成日期索引的边界, 周时间序列，默认以sunday周日作为一周最后一日；若要改成周一作为第一天，freq='W-SAT'

　　freq='M'月，'D'天，'W'，周，'Y'年。默认情况下，date_range生成的是每日的时间戳，如果只传递一个起始或结尾日期，就必须要传递一个用于生成范围的数字，如 “BM” 代表 bussiness end of month

#使用date_range生成日期序列
#如要详细了解该函数，可以使用help(pd.date_range)
#参数四选三：起始时间，结束时间，freq，periods
#freq='M'月，'D'天，'W'，周，'Y'年
#生成月时间序列
dm = pd.date_range('2018/01/01', freq='M', periods=12)
print(f'生成月时间序列：\n{dm}')
#算头不算尾
#生成年时间序列,默认是以12月结尾，freq='Y-DEC'
dy=pd.date_range('2008-01-01','2019-01-10',freq='Y')
print(f'生成年时间序列：\n{dy}')
#生成日时间序列
dd=pd.date_range('2018-01-01',freq='D',periods=10)
print(f'生成日时间序列：\n{dd}')
#生成周时间序列,默认以sunday周日作为一周最后一日
#如要改成周一作为第一天，freq='W-SAT'
dw=pd.date_range('2018-01-01',freq='W',periods=10)
print(f'生成周时间序列：\n{dw}')

画以时间为x轴的图,pandas的DataFrame自动将index列作为x轴

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False
#画以时间为x轴的图,pandas的DataFrame自动将index列作为x轴
np.random.seed(2)
#生成日期序列
x=pd.date_range('2018/01/01','2019/12/31', freq='d')
#x=pd.period_range('2018/01/01','2019/12/31', freq='d')
#标准正态分布时间序列
y=np.random.standard_normal(len(x))
#将二者转换为pandas的数据格式
df=pd.DataFrame(y,columns=['标准正态分布'],index=x)
df.plot(figsize=(12,6))
plt.title('模拟标准正态分布随机数')

ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
plt.show()

　　

（2）pd.period_range()

具体period见第五节

#使用period_range生成日期序列
#参数四选三：起始时间，结束时间，freq，periods
#freq='M'月，'D'天，'W'，周，'Y'年
#生成月时期序列
dpm = pd.period_range('2019/01/01', freq='M', periods=12)
print(f'生成月时间序列：\n{dpm}')
#生成年时期序列,默认是以12月结尾，freq='Y-DEC'
dpy=pd.period_range('2008-01-01','2019-01-10',freq='Y')
print(f'生成年时间序列：\n{dpy}')
#生成日时期序列
dpd=pd.period_range('2018-01-01',freq='D',periods=10)
print(f'生成日时间序列：\n{dpd}')
#生成周时期序列,默认以sunday周日作为一周最后一日
#如要改成周一作为第一天，freq='W-SAT'
dpw=pd.period_range('2018-01-01',freq='W-SUN',periods=10)
print(f'生成周时间序列：\n{dpw}')

其他的一些freq频率值，见下图

有时候会获得包含时间信息的开始日期或结束日期，但是想要生成的是标准化为零点的时间戳。用normalize=True就可以解决

pd.date_range(start='2019-4-1 12:45:23',periods=5) #不加normalize

pd.date_range(start='2019-4-1 12:45:23',periods=5,normalize=True)

2. 频率和日期偏置

pandas中的频率是由基础频率和倍数组成的。基础频率通常会有字符串别名，例如'M'代表每月,'H'代表每小时。对于每个基础频率，都有一个对象可以被用于定义日期偏置。例如，每小时的频率可以使用Hour类来表示。

from pandas.tseries.offsets import Hour,Minute
hour = Hour()
hour

four_hours = Hour(4)
four_hours

pd.date_range(start='2019-4-1',periods=5,freq='4h')

pd.date_range(start='2019-4-1',periods=5,freq='1h30min')

月中某星期的日期week of month　　

例子：每月第三个星期五　　

rng = pd.date_range('2019-4-1','2019-7-5',freq='WOM-3FRI')
list(rng)

3. 移位（前向和后向）日期

　　 “移位”是指将日期按时间向前移动或向后移动。Series和DataFrame都有一个shift方法用于进行简单的前向或后向移位，而不改变索引。

（1）shift

ts = pd.Series(np.random.randn(4),
              index=pd.date_range('4/1/2019',periods=4,freq='M'))
ts

ts.shift(2)

ts.shift(-2)

由于简单移位并不改变索引，一些数据会被丢弃。因此，如果频率是已知的，则可以将频率传递给shift来推移时间戳而不是简单的数据：

ts.shift(2,freq='D')

ts.shift(2,freq='M') #'M'日历月末

ts.shift(2,freq='BM') #'BM'月内最后工作日

（2）使用偏置进行移位日期

from pandas.tseries.offsets import Day,MonthEnd
now = datetime.now()
now

now + 3 * Day()

如果添加锚定偏置量，比如MonthEnd，根据频率规则，第一个增量会将日期“前滚”到下一个日期:

now + MonthEnd()

now + MonthEnd(2)

锚定偏置可以使用rollforward和rollback分别显示地将日期向前或向后“滚动”；

offset = MonthEnd()
offset.rollforward(now)

offset.rollback(now)

将移位方法与groupby一起使用是日期偏置的一种创造性用法：

ts = pd.Series(np.random.randn(20),index=pd.date_range('4/1/2019',periods=20,freq='4d'))
ts

ts.groupby(offset.rollforward).mean()

resample可以得到同样的结果

ts.resample('M').mean()

三、时区处理

待用到时候再添加　　

　　

四、时间区间和区间算术

1. Period、period_range

（1）Period

时间区间Period表示的是时间范围，比如数日、数月、数季、数年等。

定义一个时间区间Period

p = pd.Period(2019,freq='A-DEC')
p

通过加减整数可以实现对Period的移动

如果两个Period对象拥有相同频率，则它们的差就是它们之间的单位数量

pd.Period('2018',freq='A-DEC') - p

（2）period_range

功能：用来生成日期序列
参数：起始时间，结束时间，freq，periods（四选三）
　　　freq='M'月，'D'天，'W'，周，'Y'年

#生成月时期序列
dpm = pd.period_range('2019/01/01', freq='M', periods=12)
print(f'生成月时间序列：\n{dpm}')
#生成年时期序列,默认是以12月结尾，freq='Y-DEC'
dpy=pd.period_range('2008-01-01','2019-01-10',freq='Y')
print(f'生成年时间序列：\n{dpy}')
#生成日时期序列
dpd=pd.period_range('2018-01-01',freq='D',periods=10)
print(f'生成日时间序列：\n{dpd}')
#生成周时期序列,默认以sunday周日作为一周最后一日
#如要改成周一作为第一天，freq='W-SAT'
dpw=pd.period_range('2018-01-01',freq='W-SUN',periods=10)
print(f'生成周时间序列：\n{dpw}')

（3）PeriodIndex

PeriodIndex类的构造函数允许直接使用一组字符串表示一段时期

values = ['2001Q3','2002Q2','2003Q1']
index = pd.PeriodIndex(values,freq='Q-DEC')
index

2. 区间频率转换

时间序列样本转换主要分两种：即

• 高频数据向低频数据转换；
• 低频数据向高频数据转换。

应用场景：行情交易数据一般是高频，基本面一般是月度、季度、年度等低频数据，量化分析的时候，常常要将基本面数据和行情交易数据结合起来进行统计回归分析，这时候就要用到样本数据频率的转换了。
主要函数：df.resample()，df代表pandas的DataFrame格式数据，resample方法的参数参数中，freq表示重采样频率,例如‘M’、‘5min’,Second(15)，用于产生聚合值的函数名或数组函数,例如‘mean’、‘ohlc’、np.max等,默认是‘mean’,其他常用的有:‘first’、‘last’、‘median’、‘max’、‘min’axis=0默认是纵轴,横轴设置axis=1

（1）asfreq转换频率

Period和PeriodIndex对象可以通过asfreq方法被转换成别的频率。

假设有一个年度时期，希望将其转换为当年年初或年末的一个月度时期：

频率为‘A-DEC’表示一年的开始到结尾的每一条，'start'表示年初，'end'表示年末

【1】Period

对于一个不以12月结束的财政年度，月度子时期的归属情况就不一样了：

【2】PeriodIndex或TimeSeries的频率转换

 举例：频率转换

#frq='W'代表周
df=pd.DataFrame(np.random.randn(5,4),
            index=pd.date_range('1/4/2019',periods=5,freq='W'),
            columns=['GZ','BJ','SH','SZ'])
df

低频数据向高频数据转换【周-日】

#将上述样本转换为日序列,缺失值使用前值补上
#如使用后值则用bfill()
df_daily=df.resample('D').ffill()
df_daily.head(10)

高频数据向低频数据转化【日-月】

df_daily1=df.resample('M').ffill()
df_daily1.head(10)

根据period来重采样

#根据period来重采样
df1=pd.DataFrame(np.random.randn(5,4),
            index=pd.period_range('1/1/2017',periods=5,freq='W'),
            columns=['GZ','BJ','SH','SZ'])
df1.head()

df2=pd.DataFrame(np.random.randn(2,4),
            index=pd.period_range('1-2017','12-2018',freq='A'),
            columns=['GZ','BJ','SH','SZ'])
df2.head()

3. 季度区间频率

　　季度型数据在会计、金融等领域中很常见，许多季度型数据都会涉及“财年末”的概念，通常是一年12个月中某月的最后一个日历日或工作日。就这一点来说，时期“2012Q4”根据财年末的不同会有不同的含义。pandas支持12种可能的季度型频率，即Q-JAN到Q-DEC:

　　2012Q4指的是2011年第四个季度，也就是2011.11.01-2012-01.31

　　在以1月结束的财年中，2012Q4是从11月到1月（将其转换为日型频率就明白了）

例如：要获取该季度倒数第二个工作日下午4点的时间戳：

period_range可以生成季度型范围。季度型范围的算术运算也跟上面是一样的：

4. 时间戳Timestamp与Period区间的转换

（1）to_period()

由于时期指的是非重叠时间区间，因此对于给定的频率，一个给定的时间戳只能属于一个时期。新PeriodIndex的频率默认是从时间戳推断而来的，你也可以指定任何别的频率。结果中语序存在重复时期：

（2）to_timestamp()

5. 通过数组创建PeriodIndex

　　 固定频率的数据集通常会将时间信息分开存放在多个列中。例如：年度和季度就分布存放在不同的列中：

将这两个数组以及一个频率传入PeriodIndex，就可以将它们合并成DataFrame的一个索引：

参考文献：

【1】【手把手教你】Python处理金融数据

【2】Pandas时间序列：时期(period)及其算术运算

【3】pandas 快速处理 date_time 日期格式