数据分析经常会遇到带有时间序列的数据，接下来我们看一下，利用pandas如何处理这类数据。

时间序列

• 时间戳(timestamp)
• 固定周期(period)
• 时间间隔(interval)

一、创建时间序列

1、date_range

• 可以指定开始时间与周期
• H：小时
• D：天
• M：月

以天(day)为单位，输出后10天的时间序列

#TIMES #2016 Jul 1  7/1/2016    1/7/2016    2016-07-01    2016/07/01 
#时间格式可以换成上面的
rng = pd.date_range('2016/07/01',periods=10,freq='D')
rng

也可以3天为单位，输出后10个序列

rng = pd.date_range('2016/07/01',periods=10,freq='3D')
rng

或者指定起始时间

rng = pd.date_range(start = '2016/07/01',end = '2016/07/10',freq='D')
rng

生成Series序列

time = pd.Series(np.random.randn(20),index=pd.date_range(dt.datetime(2016,1,1),periods=20))
time

2、truncate过滤

time.truncate(before='2016-1-10')#过滤掉2016-1-10之前的数据

time.truncate(after='2016-1-10')#过滤掉之后的

提取数据

print(time['2016-01-15'])

print(time['2016-01-15':'2016-01-20'])#切片的方式

data = pd.date_range('2010-01-01','2011-01-01',freq='M')
data

参数freq中可以选的数值：

3、时间戳

pd.Timestamp('2016-07-10')

#可以指定更多细节
pd.Timestamp('2016-07-10 10')

pd.Timestamp('2016-07-10 10:15')

4、时间区间

pd.Period('2016-01')

pd.Period('2016-01-01')

5、时间加减

• TIME OFFSETS

产生一个一天的时间偏移量

#产生一个一天的时间偏移量
pd.Timedelta('1 day')

#得到2016-01-01 10:10的后一天时刻：
pd.Period('2016-01-01 10:10') + pd.Timedelta('1 day')

#时间戳加减：
pd.Timestamp('2016-01-01 10:10') + pd.Timedelta('1 day')

#加15ns
pd.Timestamp('2016-01-01 10:10') + pd.Timedelta('15 ns')

在时间间隔freq参数中，我们既可以写成25H，也可以写成1D1H这种通俗的表达：

pd.period_range('2016-01-01 10:10',freq='25H',periods=10)

pd.period_range('2016-01-01 10:10',freq='1D1H',periods=10)

6、指定索引

rng = pd.date_range('2016 Jul 1',periods=10,freq='D')
pd.Series(range(len(rng)),index=rng)

#构造任意的Series结构时间序列数据：
periods=[pd.Period('2016-01'),pd.Period('2016-02'),pd.Period('2016-03')]
ts = pd.Series(np.random.randn(len(periods)),index=periods)
ts

type(ts.index)

7、时间戳和时间周期可以转换

#产生时间周期
ts = pd.Series(range(10),pd.date_range('07-10-16 8:00',periods=10,freq='H'))
ts

#将时间周期转化为时间戳
ts_period = ts.to_period()
ts_period

8、时间周期和时间戳的区别

• 对时间周期的切片操作

ts_period['2016-07-10 08:30':'2016-07-10 11:45']

• 对时间戳的切片操作

ts['2016-07-10 08:30':'2016-07-10 11:45']

二、数据重采样

• 时间数据由一个频率转换到另一个频率
• 降采样：例如将365天数据变为12个月的数据
• 升采样：相反

#从1/1/2011开始，时间间隔为1天，产生90个时间数据
rng = pd.date_range('1/1/2011',periods=90,freq='D')
ts = pd.Series(np.random.randn(len(rng)),index=rng)
ts.head()

1、降采样

#将以上数据降采样为月数据，观察每个月数据之和、
ts.resample('M').sum()

#降采样为3天，并求和
ts.resample('3D').sum()

计算降采样后数据均值

#计算降采样后数据均值
day3Ts=ts.resample('3D').mean()
day3Ts

2、升采样

直接升采样是有问题的，因为有数据缺失

#
day3Ts.resample('D').asfreq()

使用插值的方法

• ffill 空值取前面的值
• bfill 空值取后面的值
• interpolate 线性取值

day3Ts.resample('D').ffill(1)#一个值填充

day3Ts.resample('D').ffill(2)#两个值填充

全部空值填充

day3Ts.resample('D').ffill()

day3Ts.resample('D').bfill(1)

day3Ts.resample('D').bfill(2)

day3Ts.resample('D').bfill()

使用interpolate线性取值

# 使用interpolate线性取值
day3Ts.resample('D').interpolate('linear')

三、Pandas滑动窗口

为了提升数据的准确性，将某个点的取值扩大到包含这个点的一段区间，用区间来进行判断，这个区间就是窗口。例如想使用2011年1月1日的一个数据，单取这个时间点的数据当然是可行的，但是太过绝对，有没有更好的办法呢？可以选取2010年12月16日到2011年1月15日，通过求均值来评估1月1日这个点的值，2010-12-16到2011-1-15就是一个窗口，窗口的长度window=30.

移动窗口就是窗口向一端滑行，默认是从右往左，每次滑行并不是区间整块的滑行，而是一个单位一个单位的滑行。例如窗口2010-12-16到2011-1-15，下一个窗口并不是2011-1-15到2011-2-15，而是2010-12-17到2011-1-16（假设数据的截取是以天为单位），整体向右移动一个单位，而不是一个窗口。这样统计的每个值始终都是30单位的均值。

也就是我们在统计学中的移动平均法。

import matplotlib.pylab
import numpy as np
import pandas as pd 
%matplotlib inline

df = pd.Series(np.random.randn(600),index=pd.date_range('7/1/2016',freq='D',periods=600))
df.head()

#指定该序列一个单位长度为10的滑块
r=df.rolling(window = 10)
r

#输出滑块内的平均值，窗口中的值从覆盖整个窗口的位置开始产生，在此之前即为NaN,举例如下：窗口大小为10，前9个都不足够为一个一个窗口的长度，因此都无法取值。
r.mean()

# 通过画图库来看原始序列与滑动窗口产生序列的关系图，原始数据用红色表示，移动平均后数据用蓝色点表示：
import matplotlib.pyplot as plt
plt.figure(figsize=(15,5))
df.plot(style='r--')
df.rolling(window=10).mean().plot(style='b')#可以看到，原始值浮动差异较大，而移动平均后数值较为平稳。