• Pandas 时间序列处理

    Pandas 时间序列处理

    目录

    1 Python 的日期和时间处理

    1.1 常用模块

    datetime time calendar

    • datetime，以毫秒形式存储日期和时间
    • datime.timedelta，表示两个 datetime 对象的时间差
    • datetime 模块中包含的数据类型
    类型 说明
    date 以公历形式存储日历日期（年、月、日）
    time 将时间存储为时、分、秒、毫秒
    datetime 存储日期和时间
    timedelta 表示两个 datetime 值之间的差（日、秒、毫秒）

    1.2 字符串和 datetime 转换

    datetime -> str

    1. str(datetime_obj)
    dt_obj = datetime(2019, 8, 8)
str_obj = str(dt_obj)
print(type(str_obj))
print(str_obj)

    <class 'str'>
    2019-08-08 00:00:00

    1. datetime.strftime()
    str_obj2 = dt_obj.strftime('%d/%m/%Y')
print(str_obj2)

    08/08/2019

    str -> datetime

    1. datetime.strptime()
      需要指定时间表示的形式
    dt_str = '2019-08-8'
dt_obj2 = datetime.strptime(dt_str, '%Y-%m-%d')
print(type(dt_obj2))
print(dt_obj2)

    <class 'datetime.datetime'>
    2019-08-08 00:00:00

    1. dateutil.parser.parse()
      可以解析大部分时间表示形式
    from dateutil.parser import parse
dt_str2 = '8-08-2019'
dt_obj3 = parse(dt_str2)
print(type(dt_obj3))
print(dt_obj3)

    <class 'datetime.datetime'>
    2019-08-08 00:00:00

    1. pd.to_datetime()
      可以处理缺失值和空字符串

      具体看这

    2 Pandas 的时间处理及操作

    2.1 创建与基础操作

    基本类型，以时间戳为索引的 Series->Datetimelndex

    指定 index 为 datetime 的 list

    from datetime import datetime
import pandas as pd
import numpy as np

# 指定index为datetime的list
date_list = [datetime(2017, 2, 18), datetime(2017, 2, 19), 
             datetime(2017, 2, 25), datetime(2017, 2, 26), 
             datetime(2017, 3, 4), datetime(2017, 3, 5)]
time_s = pd.Series(np.random.randn(6), index=date_list)
print(time_s)
print(type(time_s.index))

    2017-02-18 -0.230989
    2017-02-19 -0.398082
    2017-02-25 -0.309926
    2017-02-26 -0.179672
    2017-03-04 0.942698
    2017-03-05 1.053092
    dtype: float64
    <class 'pandas.core.indexes.datetimes.DatetimeIndex'>

    索引

    • 索引位置
      print(time_s[0])

    -0.230988627576

    • 索引值
      print(time_s[datetime(2017, 2, 18)])

    -0.230988627576

    • 可以被解析的日期字符串
      print(time_s['20170218'])

    -0.230988627576

    • 按“年份”、“月份”索引
      print(time_s['2017-2'])
    2017-02-18   -0.230989
2017-02-19   -0.398082
2017-02-25   -0.309926
2017-02-26   -0.179672
dtype: float64
    • 切片操作
      print(time_s['2017-2-26':])
    2017-02-26   -0.179672
2017-03-04    0.942698
2017-03-05    1.053092
dtype: float64

    过滤

    • 过滤掉日期之前的
      time_s.truncate(before='2017-2-25')
    2017-02-25   -0.309926
2017-02-26   -0.179672
2017-03-04    0.942698
2017-03-05    1.053092
dtype: float64
    • 过滤掉日期之后的
      time_s.truncate(after='2017-2-25')
    2017-02-18   -0.230989
2017-02-19   -0.398082
2017-02-25   -0.309926
dtype: float64

    pd.date_range()

    功能：生成日期范围

    dates = pd.date_range('2017-02-18', # 起始日期
                      periods=5,    # 周期
                      freq='W-SAT') # 频率
print(dates)
print(pd.Series(np.random.randn(5), index=dates))

    DatetimeIndex(['2017-02-18', '2017-02-25', '2017-03-04', '2017-03-11',
    '2017-03-18'],
    dtype='datetime64[ns]', freq='W-SAT')
    2017-02-18 -1.680280
    2017-02-25 0.908664
    2017-03-04 0.145318
    2017-03-11 -2.940363
    2017-03-18 0.152681
    Freq: W-SAT, dtype: float64

    • 传入开始、结束日期，默认生成的该时间段的时间点是按天计算的
      date_index = pd.date_range('2017/02/18', '2017/03/18')
    • 只传入开始或结束日期，还需要传入时间段
      print(pd.date_range(start='2017/02/18', periods=10, freq='4D'))
      print(pd.date_range(end='2017/03/18', periods=10))
    • 规范化时间戳
    print(pd.date_range(start='2017/02/18 12:13:14', periods=10))
print(pd.date_range(start='2017/02/18 12:13:14', periods=10, normalize=True))

    
DatetimeIndex(['2017-02-18 12:13:14', '2017-02-19 12:13:14',
               '2017-02-20 12:13:14', '2017-02-21 12:13:14',
               '2017-02-22 12:13:14', '2017-02-23 12:13:14',
               '2017-02-24 12:13:14', '2017-02-25 12:13:14',
               '2017-02-26 12:13:14', '2017-02-27 12:13:14'],
              dtype='datetime64[ns]', freq='D')
DatetimeIndex(['2017-02-18', '2017-02-19', '2017-02-20', '2017-02-21',
               '2017-02-22', '2017-02-23', '2017-02-24', '2017-02-25',
               '2017-02-26', '2017-02-27'],
              dtype='datetime64[ns]', freq='D')
    频率与偏移量
    • 频率 Freq，由基础频率的倍数组成，基础频率包括：
      1.BM:business end of month，每个月最后一个工作日
      2.D：天，M：月等

    • 偏移量，每个基础频率对应一个偏移量
      1.偏移量通过加法连接
    sum_offset = pd.tseries.offsets.Week(2) + pd.tseries.offsets.Hour(12)
print(sum_offset)

print(pd.date_range('2017/02/18', '2017/03/18', freq=sum_offset))

    14 days 12:00:00
DatetimeIndex(['2017-02-18 00:00:00', '2017-03-04 12:00:00'], dtype='datetime64[ns]', freq='348H')
    移动数据

    沿时间轴将数据前移或后移，保持索引不变

    ts = pd.Series(np.random.randn(5), index=pd.date_range('20170218', periods=5, freq='W-SAT'))
print(ts)

    2017-02-18   -0.208622
2017-02-25    0.616093
2017-03-04   -0.424725
2017-03-11   -0.361475
2017-03-18    0.761274
Freq: W-SAT, dtype: float64

    向后移动一位：print(ts.shift(1))

    2017-02-18         NaN
2017-02-25   -0.208622
2017-03-04    0.616093
2017-03-11   -0.424725
2017-03-18   -0.361475
Freq: W-SAT, dtype: float64

    pd.to_datetime()

    功能：字符串转成时间格式
    import pandas as pd
s_obj = pd.Series(['2017/02/18', '2017/02/19', '2017-02-25', '2017-02-26'], name='course_time')
s_obj2 = pd.to_datetime(s_obj)
print(s_obj2)

    0 2017-02-18
    1 2017-02-19
    2 2017-02-25
    3 2017-02-26
    Name: course_time, dtype: datetime64[ns]

    # 处理缺失值
s_obj3 = pd.Series(['2017/02/18', '2017/02/19', '2017-02-25', '2017-02-26'] + [None], 
                   name='course_time')
print(s_obj3)

    0    2017/02/18
1    2017/02/19
2    2017-02-25
3    2017-02-26
4          None
Name: course_time, dtype: object

    时间周期计算

    • Period 类，通过字符串或整数及基础频率构造
    • Period 对象可进行数学运算，但要保证具有相同的基础频率
    • period_range，创建指定规则的时间周期范围，生成 Periodlndex 索引，可用于创建 Series 或 DataFrame
    • 时间周期的频率转换，asfreq
      • 如：年度周期->月度周期
    • 按季度计算时间周期频率

    2.2 时间数据重采样

    重采样（resampling）

    • 将时间序列从一个频率转换到另一个频率的过程，需要聚合
    • 高频率->低频率，downsampling，相反为 upsampling
    • pandas 中的 resample 方法实现重采样
      • 产生 Resampler 对象
      • reample（freq）.sum0，resampe（freq）.mean）.…
    import pandas as pd
import numpy as np

date_rng = pd.date_range('20170101', periods=100, freq='D')
ser_obj = pd.Series(range(len(date_rng)), index=date_rng)

# 统计每个月的数据总和
resample_month_sum = ser_obj.resample('M').sum()
# 统计每个月的数据平均
resample_month_mean = ser_obj.resample('M').mean()

print('按月求和：', resample_month_sum)
print('按月求均值：', resample_month_mean)

    按月求和： 2017-01-31     465
2017-02-28    1246
2017-03-31    2294
2017-04-30     945
Freq: M, dtype: int32
按月求均值： 2017-01-31    15.0
2017-02-28    44.5
2017-03-31    74.0
2017-04-30    94.5
Freq: M, dtype: float64

    降采样（downsampling）

    • 将数据聚合到规整的低频率
    • OHLC重采样，open，high，low，close
    # 将数据聚合到5天的频率
five_day_sum_sample = ser_obj.resample('5D').sum()
five_day_mean_sample = ser_obj.resample('5D').mean()
five_day_ohlc_sample = ser_obj.resample('5D').ohlc()
    • 使用 groupby 降采样
      使用函数对其进行分组操作
      ser_obj.groupby(lambda x: x.month).sum()
      ser_obj.groupby(lambda x: x.weekday).sum()

    升采样（upsampling）

    • 将数据从低频转到高频，需要插值，否则为 NaN (直接重采样会产生空值)
    • 常用的插值方法
    1. ffill(limit），空值取前面的值填充，limit 为填充个数
      df.resample('D').ffill(2)
    2. bfill（limit），空值取后面的值填充
      df.resample('D').bfill()
    3. fillna（fill'）或 fllna（‘bfill）
      df.resample('D').fillna('ffill')
    4. interpolate，根据插值算法补全数据
      线性算法：df.resample('D').interpolate('linear')
      具体可以参考：pandas.core.resample.Resampler.interpolate

    2.3 滑动窗口

    • 在时间窗口上计算各种统计函数

    • 窗口函数（window functions）
    1. 滚动统计（rolling）
      obj.rolling().func
    import pandas as pd
import numpy as np

ser_obj = pd.Series(np.random.randn(1000), 
                    index=pd.date_range('20170101', periods=1000))
ser_obj = ser_obj.cumsum()
r_obj = ser_obj.rolling(window=5)
print(r_obj)

    Rolling [window=5,center=False,axis=0]

    1. window
      窗口大小
    2. center
      窗口是否居中统计

    设置居中：

    # 画图查看
import matplotlib.pyplot as plt
%matplotlib inline

plt.figure(figsize=(15, 5))

ser_obj.plot(style='r--')
ser_obj.rolling(window=10, center=True).mean().plot(style='b')

    不设置居中：
    ser_obj.rolling(window=10, center=False).mean().plot(style='b')
  • 相关阅读:
    The Water Problem HDU-5443
    约瑟夫环1
    迪杰斯特拉算法1 HDU-1874
    [20200729NOIP提高组模拟T2]学数数——坎坷
    [20200728NOIP提高组模拟T4]有趣的有趣的家庭菜园——自闭了
    [20200728NOIP提高组模拟T1]Copy
    [20200728NOIP提高组模拟T2]愉快的logo设计
    [20200727NOIP提高组模拟T3]计算几何
    [20200727NOIP提高组模拟T2]走路
    [CQOI2015]任务查询系统
  • 原文地址：https://www.cnblogs.com/banshaohuan/p/11326630.html
Copyright © 2020-2023  润新知