Python數據分析 之時間序列基礎

　　1. 時間序列基礎

　　import numpy as np

　　import pandas as pd

　　np.random.seed(12345)

　　import matplotlib.pyplot as plt

　　plt.rc('figure', figsize=(10, 6))

　　PREVIOUS_MAX_ROWS = pd.options.display.max_rows

　　pd.options.display.max_rows = 20

　　np.set_printoptions(precision=4, suppress=True)

　　pandas最基本的時間序列類型就是以時間戳(一般以Python字符串或datatime對象表示)爲索引的Series:

　　from datetime import datetime

　　dates = [datetime(2011, 1, 2), datetime(2011, 1, 5),

　　datetime(2011, 1, 7), datetime(2011, 1, 8),

　　datetime(2011, 1, 10), datetime(2011, 1, 12)]

　　ts = pd.Series(np.random.randn(6), index=dates)

　　ts

　　這些datetime對象其實是被放在一個DatetimeIndex中的:

　　ts.index

　　

 

　　跟其餘Series同樣，不一樣索引的時間序列之間的算術運算會自動按日期對 齊:

　　print(ts[::2]) #每隔一個取一個

　　ts + ts[::2]

　　pandas用NumPy的datetime64數據類型以納秒形式存儲時間戳:

　　ts.index.dtype

　　

 

　　DatetimeIndex中的各個標量值是pandas的Timestamp對象:

　　stamp = ts.index[0]

　　stamp

　　

 

　　只要有須要，TimeStamp能夠隨時自動轉換爲datetime對象。此外，它還能夠存儲頻率信息(若是有的話)，且知道如何執行時區轉換以及其餘操做。 以後將對此進行詳細講解。

　　2. 索引、選取、子集構造

　　當你根據標籤索引選取數據時，時間序列和其它的pandas.Series很像:

　　print(ts)

　　stamp = ts.index[2]

　　print(ts[stamp]) #標籤索引

　　print(ts[2]) #整數索引

　　還有一種更爲方便的用法:傳入一個能夠被解釋爲日期的字符串:

　　print(ts['1/10/2011'])

　　print(ts['20110110'])

　　ts['2011-01-10']

　　

 

　　對於較長的時間序列，只需傳入「年」或「年月」便可輕鬆選取數據的切片:

　　longer_ts = pd.Series(np.random.randn(1000),

　　index=pd.date_range('1/1/2000', periods=1000))#天爲單位

　　longer_ts

　　longer_ts['2001']

　　這裏，字符串「2001」被解釋成年，並根據它選取時間區間。指定月也一樣奏效:

　　longer_ts['2001-05']

　　datetime對象也能夠進行切片:

　　print(ts)

　　ts[datetime(2011, 1, 7):]

　　因爲大部分時間序列數據都是按照時間前後排序的，所以你也能夠用不存在於該時間序列中的時間戳對其進行切片(即範圍查詢):

　　ts['1/6/2011':'1/11/2011']

　　

 

　　跟以前同樣，你能夠傳入字符串日期、datetime或Timestamp進行索引。注意，這樣 切片所產生的是原時間序列的視圖(共享內存)，跟NumPy數組的切片運算是同樣的。

　　這意味着，沒有數據被複制，對切片進行修改會反映到原始數據上。

　　此外，還有一個等價的實例方法也能夠截取兩個日期之間TimeSeries:

　　ts.truncate(after='1/9/2011')無錫婦科醫院哪家好 http://www.xasgyy.net/

　　

 

　　這些操做對DataFrame也有效。例如，對DataFrame的行進行索引:

　　dates = pd.date_range('1/1/2000', periods=100, freq='W-WED') #間隔單位爲周

　　long_df = pd.DataFrame(np.random.randn(100, 4),

　　index=dates,

　　columns=['Colorado', 'Texas',

　　'New York', 'Ohio'])

　　long_df.loc['5-2001']

　　3. 帶有重複索引值的時間序列

　　在某些應用場景中，可能會存在多個觀測數據落在同一個時間點上的狀況。下面就是一個例子:

　　dates = pd.DatetimeIndex(['1/1/2000', '1/2/2000', '1/2/2000',

　　'1/2/2000', '1/3/2000'])

　　dup_ts = pd.Series(np.arange(5), index=dates)

　　dup_ts

　　

 

　　經過檢查索引的is_unique屬性，咱們就能夠知道它是否是惟一的:

　　dup_ts.index.is_unique

　　

 

　　對這個時間序列進行索引，要麼產生標量值，要麼產生切片，具體要看所選的時間點是否重複:

　　print(dup_ts['1/3/2000'])# not duplicated

　　dup_ts['1/2/2000'] # duplicated

　　

 

　　假設你想要對具備非惟一時間戳的數據進行聚合。一個辦法是使用 groupby，並傳入level=0:

　　grouped = dup_ts.groupby(level=0)

　　print(grouped.mean())

　　grouped.count()