《Python数据分析》课程电子教案（PPT课件）第9章 时间序列数据分析

Python数据分析 第 9 章 时间序列数据分析

9.1 日期和时间数据类型 Python标准库中包含了用于日期（date）、时间（ time）、日历（calendar）等功能的数据类型，主要会用 到datetime、time、calendar模块，我们主要介绍一下 datetime模块。 ❖ 9.1.1 datetime构造 类型 使用说明 date 日期（年、月、日） time 时间（时、分、秒、毫秒） datetime 日期和时间 timedelta 两个datetime的差（日、秒、毫秒） 表9-1 datetime库的时间数据类型为：

9.1 日期和时间数据类型 1. datetime -> str：将datetime类数据转换为字符串数 据。 str方法： datetime.strftime方法： 可以将datetime类数据转换 为格式化字符串数据。 2. str -> datetime :将字符串数据转换为datetime类数 据。 datetime.strptime(.):根据string, format 2个参数， 返回一个对应的datetime对象 ❖ 9.1.2 数据转换

9.1 日期和时间数据类型 类型 描述 %Y 四位的年份 %y 两位的年份 %m 两位的月份[01,-,12] %d 两位的日期[01,-,31] %H 小时，24小时制[00,-,24] %I 小时，12小时制[01,-,12] %M 两位的分钟[00,-,59] %S 两位的秒 %W 每年的第几周，星期一为每周第一天 %F %Y-%m-%d的简写（如 2019-5-5） %D %m/%d%y的简写（如 05/20/19） 表9-2 datetime格式说明

9.2 时间序列基础 ❖ 9.2.1 时间序列构造 Pandas 中的时间序列指的是以时间数据为索引的 Series 或 DataFrame，构造方法即为Series的构造方法。 • 9.2.2 索引与切片

9.3 日期范围、频率和移动 • 9.3.1 日期范围 Pandas的通用时间序列是不规则的，即时间序列的频率是不固 定的。然而经常有需要处理固定频率的场景，如每天、每月等。使 用pd.date_range函数可以创建指定长度的DatetimeIndex。 ❖ 9.3.2 频率和移位 pandas中的频率是由一个基础频率和一个乘数组成的。基础频 率通常以一个字符串别名表示，比如”H”表示每小时。对于每个基 础频率，都有一个被称为日期偏移量的对象与之对应。可以通过实 例化日期偏移量来创建某种频率：在基础频率前面放上一个整数即 可创建偏移量的倍数

9.4 时期 • 9.4.1 时期基础 Period可以创建时期型的数据，传入字符串、整数或频率即可。 ❖ 9.4.2 频率转换 Period和PeriodIndex对象可以通过asfreq方法转换频率。 ❖ 9.4.3 时期数据转换 利用to_period方法可以将由时间戳索引的时间序列数据转换为 以时期为索引

9.5 频率转换和重采样 • 9.5.1 重采样 重采样是时间序列频率转换的过程,Pandas中的resample函数用于 各种频率的转换工作。 resample方法的参数与说明见下表。 类型 描述 freq 转换频率 axies = 0 重采样的轴 closed = ’right’ 在降采样中，设置各时间段哪端是闭合的 label = ’right’ 在降采样中，如何设置聚合值的标签 offset = None 设置时间偏移 kind = None 聚合到时期，默认为时间序列的索引类型 convention 升采样采用的约定（start或end），默认end

9.5 频率转换和重采样 • 9.5.2 降采样 在降采样中，需要考虑closed和label参数，分别表示哪边区间是 闭合的，哪边是标记的。 ❖ 9.5.3 升采样 在升采样中主要是数据的插值，即对缺失值进行填充，填充方法 与fillna相似