Pandas时序数据
前言 在数据分析中，时序数据是一类非常重要的数据。事物的发展总是伴随着时间的推移，数据也会在各个时间点上产生。
一、python中的时间表示- datetime 模块
? Python的标准库 datetime 支持创建和处理时间， Pandas的时间时序模块是在 datetime 的基础上建立的。
1.换取当前时间
import datetime now = datetime.datetime.now() # 2022-03-06 18:43:49.506048
其中now的全貌如下，是一个 datetime 对象：
now: datetime.datetime(2022, 3, 6, 18, 37, 10, 132078)
? datetime.datetime 对象常用的方法：
? (1) strftime() : 对 datetime 对象的格式进行转换。使用含 % 的占位符书写目标格式，如：
newForm = now.strftime("%Y-%m-%d (%H:%M:%S)")
# 2022-03-06 (18:52:31) 为字符串类型
? 各占位符的含义如下
% y 两位数的年份表示（00 - 99） % Y 四位数的年份表示（000 - 9999） % m 月份（01 - 12） % d 月内中的一天（0 - 31） % H 24小时制小时数（0 - 23） % I 12小时制小时数（01 - 12） % M 分钟数（00 = 59） % S 秒（00 - 59） % a 本地简化星期名称 % A 本地完整星期名称 % b 本地简化的月份名称 % B 本地完整的月份名称 % c 本地相应的日期表示和时间表示 % j 年内的一天（001 - 366） % p 本地A.M.或P.M.的等价符 % U 一年中的星期数（00 - 53）星期天为星期的开始 % w 星期（0 - 6），星期天为星期的开始 % W 一年中的星期数（00 - 53）星期一为星期的开始 % x 本地相应的日期表示 % X 本地相应的时间表示 % Z 当前时区的名称 % % % 号本身
2.指定时间
向 datetime.datetime() 中传入对应的参数，默认按照单位从大到小指定
birthday = datetime.datetime(2001, 1, 11) # 默认指定 print(birthday)
? 也可以通过参数指定，其中 year 、 monnth 、 day 三个参数 必须指定
yesterday = pd.Timestamp(2022, 3, 5) # 2022-03-05 0
now = pd.Timestamp("now") # 2022-03-06 19:13:56.507604
3.运算
(1) datetime.datetime 对象之间支持 减法运算 ，得到的是一个 datetime.timedelta 对象
delta = yeaterday - birthday # 7723 days,
二、 Pandas处理时序序列
1.pd.Timestamp()
pd.Timestamp() 是 Pandas 定义事时间的主要函数, 支持更丰富的定义时间的构造方法
（1） 根据 datetime.datetime 对象
now = pd.Timestamp(datetime.datetime.now()) print(now) # 2022-03-06 19:07:07.253402
(2) 根据字符串
today = pd.Timestamp("2022-03-06")
print(today) # 2022-03-06 0
(3) 更具指定的参数
yesterday = pd.Timestamp(2022, 3, 5) # 2022-03-05 0
now = pd.Timestamp("now") # 2022-03-06 19:13:56.507604
(4) 根据时间戳
pd.Timestamp(1646565103.114923, unit="s") # unit指定单位为秒
2.pd.Timedelta()
pd.Timedelta() 用于创建 时间差对象 ，也具有与 pd.Timestamp() 类似的构造方法。
(1) 根据字符串创建
oneDay = pd.Timedelta("1 days") # 1 days 0
duration = pd.Timedelta("2 days 2 hours") # 1 days 02:00:00
(2) 指定参数创建
oneDay = pd.Timedelta(days=1) # 1 days 0
3.运算
与`datetime`模块运算类似，`pandas`的`Timestamp`对象之间相减可以得到`Timedelta`对象。
4.时间索引
数据表中长常使用时间作为索引， pandas 支持创建长时间序列
?(1) pd.to_datetime()
pd.to_datetime() 支持将时间对象和类时间字符串转化为 DatetimeIndex 对象。
index = pd.to_datetime(["03/06/2022", datetime.datetime.now()]) print(index) # DatetimeIndex(['2022-03-06 0', '2022-03-06 19:29:44.855267'], dtype='datetime64[ns]', freq=None)
? (2) pd.date_range()
? pd.date_range() 可以给定开始时间或者结束时间，并且指定周期数据，周期频率，会自动生成在此范围的时间索引数据：
index = pd.date_range(start="2022-01-01", periods=10)
print(index)
# DatetimeIndex(['2022-01-01', '2022-01-02', '2022-01-03', '2022-01-04',
'2022-01-05', '2022-01-06', '2022-01-07', '2022-01-08',
'2022-01-09', '2022-01-10'],
dtype='datetime64[ns]', freq='D')
? 如果要 跳过休息日 可以使用 pd.bdate_range() 函数
总结
本篇文章就到这里了，希望能够给你带来帮助，也希望您能够多多关注的更多内容!
查看更多关于Python的Pandas时序数据详解的详细内容...