Python数据分析与应用_从数据获取到可视化）（第2版）课件 第7章 时间序列分析.pptxVIP

第7章时间序列分析

《Python数据分析与应用：从数据获取到可视化(第2版)》

了解时间序列，能够说出时间序列、时间戳、时间差、时期的概念

掌握时间序列的基本操作，能够创建时间序列并获取其子集

掌握固定频率的时间序列，能够创建固定频率的时间序列

学习目标/Target

掌握时期的相关操作，能够创建带时期索引的对象，并转换时期的频率

掌握重采样的方法，能够通过resample()方法实现降采样和升采样

掌握滑动窗口，能够使用rolling()方法实现滑动窗口

学习目标/

Target

山

J3

在进行数据分析时，除了前面章节中介绍的数值形式的数据之外，有时还需

要对时间序列进行分析。pandas库作为数据分析的利器，它提供了一套标准的处理时间序列的功能，可以帮助用户非常高效地处理时间序列。本章将针对时间序列的相关内容进行详细地讲解。

章节概述/Summary

时间序列概述

时间序列的基本操作

固定频率的时间序列

时间周期与计算

01

02

03

04

目录/Contents

05重采样

06滑动窗口

07案例：某城市报警记录分析

目录/Contents

+引

L山

D以

时间序列概述

L山

7.1

u

学习目标

了解时间序列，能够说出时间序列、

时间戳、时间差、时期的概念

7.1时间序列概述

时间序列是指将同一统计指标的数值按其发生的时

间先后顺序排列而成的数列，例如，一天内每隔一小时记录的温度、一天内股票价格的走势等，这些用到的与时间有关的数据都可以看做时间序列。

概念

7.1时间序列概述

时间序列可以有着固定频率，也就是说数值是按照

一定的规律定期出现的，比如每天出现一次、每小时出现一次。时间序列也可以有着不固定的频率，也就是说数值是不定期出现的。

特点

7.1时间序列概述

时间相关概念

时间戳

带时区的特定的

日期时间，比如

2023-1-10

15:00:00。

时期

由时间点及其相关

频率定义的时间跨

度，比如2023年、

2023年1月等。

时间差

绝对的持续时间，

比如1天、3个小时、

10分钟等。

7.1时间序列概述

类

说明

Timestamp

表示时间戳，封装了时间戳相关的功能

Timedelta

表示时间差，封装了时间差相关的功能

Period

表示时期，封装了时期相关的功能

DatetimeIndex

表示时间戳索引，由一组Timestamp类的对象构成

TimedeltaIndex

表示时间差索引，由一组Timedelta类的对象构成

PeriodIndex

表示时期索引，由一组Period类的对象构成

7.1时间序列概述

时间概念相关类

L山以

时间序列的基本操作

7.2

u

学习目标

掌握带时间戳时间序列的创建方式，

能够通过to_datetime()函数创建时间戳索引，并基于该索引生成时间序列

7.2.1创建带时间戳的时间序列

importpandasaspd

#创建DatetimeIndex类的对象

date_index=pd.to_datetime(20230115)

#创建Series类的对象并指定索引

date_ser=pd.Series([11,22,33],index=date_index)

date_ser

如果要创建基于时间戳的时间序列，可以先使用to_datetime()函数创建一个

DatetimeIndex类的对象，该对象中包含一组时间戳，再将该对象作为Series类或

DataFrame类对象的索引。

根据时间戳索引创建

7.2.1创建带时间戳的时间序列

fromdatetimeimportdatetime

importpandasaspd

date_list=[datetime(2023,1,10),datetime(2023,1,15),

datetime(2023,1,18)]

time_ser=pd.Series([11,22,33],index=date_list)

timeser

还可以在创建Series类的对象时将包含多个datetime对象的列表传给index参数，这

样也会生成一个基于时间戳的时间序列。

根据日期列表创建

7.2.1创建带