Python数据分析实践：时间序列new.pdfVIP

2022/3/14 4.10 时间序列 In [ ]: import pandas as pd import numpy as np 4.10 时间序列 在使用Python进行数据分析时，经常会遇到时间日期格式处理和转换，特别是分析和挖掘与时间相关的数据，比如量化交易就是从历史数据中寻找 股价的变化规律。 时间序列（Time series）数据是非常重要的数据类型，时间序列简单的说就是各时间点上形成的数值序列，时间序列分析就是通过观察历史数据预 测未来的值,比如股票预测、房价预测分析等。在各个领域的研究中，都与时间相关，因此对于时间数据的处理就越来越重要。Pandas 提供了多种 时间数据类型和处理方法,通常时间序列数据作为 Series 或 DataFrame 的索引，以方便对时间数据进行操作。 Python中自带的处理时间的模块有datetime。 4.10.1 pandas时间相关的类 在多数情况下，对时间类型数据进行分析的前提就是将原本为字符串的时间转换为标准时间类型。pandas继承了NumPy库和datetime库的时间相 关模块，提供了6种时间相关的类。 file:///D:/Python39/envs/pydata/教材配套代码/模块四 数据处理Pandas/4.10 时间序列.html 1/22 2022/3/14 4.10 时间序列 时间序列中有关时间的一些概念要先搞清楚： 固定时间点: 即某个时间点，如中午13:30 时间戳 timestamp:时间戳是指格林威治时间1970年01月01 日00时00分00秒起至当下的总秒数。如1591684854 代表北京时间 2020/6/9 14:40:54 时长时差Time deltas:表示一个时间长度，比如吃饭半小时，休息20分钟 格式化时间:按照一定格式显示时间，就需要做格式化处理。如时间戳1591684854或中文格式2020年06月09 日14点40分54秒 转换成2020/6/9 14:40:54 周期时间:有开始、有结束，并且有时间单位周期的时间，如工作日从周一到周五。 日期偏移Date offsets ：周期时间中有一个频率，日期偏移是基于这个频率，如一个周期的频率是小时，那偏移三个频率就是三小时。 时间转换:时间转换包括时间表达格式的转换，也有一些时间计算，比如给一个时间，转为去年的当天、100天前的当天、转换为特定时区的时 间等等。 几个概念： 1. Timestamp ：pandas表示日期对象形式 2. DatetimeIndex ：pandas表示日期对象列表形式 3. DatetimeIndex是Timestamp的列表形式 pd.to_datetime ：pandas的一个函数，能将字符串、列表、series变成日期形式 pd.to_datetime对单个日期字符串处理会得到Timestamp pd.to_datetime对日期字符串列表处理会得到DatetimeIndex file:///D:/Python39/envs/pydata/教材配套代码/模块四 数据处理Pandas/4.10 时间序列.html