有关时间序列

时间序列

datetime模块

datetime存储日期，也存储细化到微秒的时间，timedelta为两个datetime对象的时间差。
例：

字符串与datetime互相转换

strftime方法：timestamp转换为字符串。

strptime方法：字符串转换为日期类型,datetime.strptime(str,格式)

dateutil.parser.parse方法：能解析大部分人类可理解的日期字符串，转化为日期类型。

dayfirst参数等于True表明字符串中日出现在月之前。

datetime格式说明：

DatetimeIndex

时间序列索引、选择、子集

传递一个能解释为日期的字符串：

切片：


含有重复索引时间序列分组
groupby方法默认axis=0,对行分组,level默认为None,若要按索引进行分组，传递对应层号或层名值给level参数；如groupby(level=0)：

date_range:

pandas.date_range用于根据特定频率（默认为day）生成指定长度的Datetimeindex；需要指定起始和结尾日期，若只传递一个起始或结尾日期，必须传递范围：

常用基础时间序列频率：

标准化为零点的时间戳：date_range的参数normalize=True
日期偏置：如4h,1h30min等

移位日期

shift：
不指定频率，只移动数据，索引不变，会产生缺失值；指定频率则数据不变，索引移动。

时间区间

时间区间表示的是时间范围，如一些天，一些月，一些季度，一些年。Period类就是这种数据类型。

pd.Period_range

需传入一个字符串或数字以及频率；相关频率与时间戳的有些区别:

区间频率转换

asfreq可以讲区间Period和PeriodIndex对象转换为其他频率。how=‘start’or’s’,取开始的日期，'end’or’e’取结束的日期；例：

区间算术

在时间段上增加或减去整数根据它们的频率进行移位

将时间戳转换为区间，将区间转换为时间戳

to_period()：不指定频率的情况下，根据时间戳推断出新PeriodIndex的频率。可指定任意频率。

to_timestamp()：

从数组生成PeriodIndex

重采样与频率转换

高频率频率到低频率为向下采样，聚合数据；低频率转换到高频率为向上采样,产生缺失值；其他情况为非向上、向下取样。
pandas对象resample方法：类似于groupby，对数据分组，再调用聚合函数。
resample参数：

向下采样

resample.ohlc()：ohlc聚合函数返回开端，结束，峰值、谷值。

向上采样

移动窗口

rolling滚动函数传入区间大小，min_periods参数指定每个窗口至少需要多少个数据。例：