在使用Python进行数据分析时，经常会遇到时间日期格式处理、转换和时间索引，Pandas作为Python环境下的数据分析库，提供了一套标准的时间序列处理工具和算法，使我们可以非常高效的处理时间序列，比如切片、聚合、重采样等等。这些强大的日期数据处理功能，是处理日期时间序列的利器。

　　pandas 支持 4 种常见时间概念：

　　> 1. 日期时间(Datetime)：带时区的日期时间，类似于标准库的 `datetime.datetime` 。

　　> 2. 时间差(Timedelta)：绝对时间周期，类似于标准库的 `datetime.timedelta`。

　　> 3. 时间段(Timespan)：在某一时点以指定频率定义的时间跨度。

　　> 4. 日期偏移(Dateoffset)：与日历运算对应的时间段，类似于 `dateutil` 的 `dateutil.relativedelta.relativedelta`。

　　一般情况下，时间序列主要是 Series 或 DataFrame的时间型索引，可以用时间元素进行操控。

　　时间戳

　　时间戳是最基本的时间序列数据，用于把数值与时点关联在一起。Pandas 对象通过时间戳调用时点数据。

　　时间戳的创建

　　在pandas中提供了Timestamp()可以用于创建一个时间戳对象。

　　import datetime

　　import pandas as pd

　　# 三种方式

　　pd.Timestamp(datetime.datetime(2021, 8, 16)) # 结果： Timestamp('2021-08-16 00:00:00')

　　pd.Timestamp(2021, 8, 16) # 结果： Timestamp('2021-08-16 00:00:00')

　　pd.Timestamp('2021-08-16') # 结果： Timestamp('2021-08-16 00:00:00')

　　to_datetime()转换得到时间戳

　　import pandas as pd

　　pd.to_datetime('2021/08/08') # 结果：Timestamp('2021-08-08 00:00:00')

　　to_datetime` 转换单个字符串时，返回的是单个 `Timestamp`。`Timestamp` 仅支持字符串输入，不支持 `dayfirst`、`format` 等字符串解析选项，如果要使用这些选项，就要用 `to_datetime`。

　　要实现精准转换，除了传递 `datetime` 字符串，还要指定 `format` 参数，指定此参数还可以加速转换速度。

　　pd.to_datetime('2021/08/08', format='%Y/%m/%d')

　　pd.to_datetime('08-08-2021 00:00', format='%d-%m-%Y %H:%M')

　　返回结果也是一个`Timestamp`类型。当然如果不可解析则出发错误

　　pd.to_datetime(['2021/08/31', 'abc'], errors='raise') # 报错ValueError: Unknown string format

　　转换多个时间序列

　　import pandas as pd

　　pd.to_datetime(pd.Series(["Aug 16, 2021", "2021-08-17", None]))

　　结果(其中Pandas 用 `NaT` 表示日期时间、时间差及时间段的空值，代表了缺失日期或空日期的值，类似于浮点数的 `np.nan`)

　　0 2021-08-16

　　1 2021-08-17

　　2 NaT

　　dtype: datetime64[ns]

　　当然也可以使用如下方式：

　　pd.to_datetime(["2021/08/16", "2021.08.17"]) #也可以转成时间戳的格式

　　返回结果与上面的有所不同，返回值不是一个序列而是一个DatetimeIndex类型

　　DatetimeIndex(['2021-08-16', '2021-08-17'], dtype='datetime64[ns]', freq=None)

　　date_range()获取时间戳范围

　　实际工作中，经常要生成含大量时间戳的超长索引，一个个输入时间戳又枯燥，又低效。如果时间戳是定频的，用 `date_range()`与 `bdate_range()`函数即可创建 `DatetimeIndex`。`date_range` 默认的频率是**日历日**，`bdate_range` 的默认频率是**工作日

　　pd.date_range(start=None,end=None,periods=None,freq=None)

　　Return a fixed frequency DatetimeIndex.

　　start：表示起始

　　end：表示结尾

　　periods：表示时间段

　　freq：表示有倍数的频率字符串，e.g. '5H'.

　　pd.date_range("2021-8-8", periods=8) # 表示从2021-8-8开始到现在日期的8个时间

　　输出结果：

　　DatetimeIndex(['2021-08-08', '2021-08-09', '2021-08-10', '2021-08-11',

　　'2021-08-12', '2021-08-13', '2021-08-14', '2021-08-15'],

　　dtype='datetime64[ns]', freq='D')

　　如果使用bdate_range()则获取的日期是工作日的日期时间

　　pd.bdate_range("2021-8-8", periods=8)

　　结果：

　　DatetimeIndex(['2021-08-09', '2021-08-10', '2021-08-11', '2021-08-12',

　　'2021-08-13', '2021-08-16', '2021-08-17', '2021-08-18'],

　　dtype='datetime64[ns]', freq='B')

　　如果指定freq，date_range 默认使用的频率是 日历日即`D`,也可以通过freq修改成周的。

　　pd.date_range("2021-8-8", periods=8, freq="W")

　　输出结果下：

　　DatetimeIndex(['2021-08-08', '2021-08-15', '2021-08-22', '2021-08-29',

　　'2021-09-05', '2021-09-12', '2021-09-19', '2021-09-26'],

　　dtype='datetime64[ns]', freq='W-SUN')

　　时间序列的频率表：

　　时间段

　　时间段的创建

　　pandas提供了`Period`类型，它是基于`numpy.datetime64`编码的固定频率间隔。与之相关的索引类型是`PeriodIndex`。`Period` 表示的时间段更直观，还可以用日期时间格式的字符串进行推断。默认是月`M`，也可以是天`D`

　　pd.Period('2021-08')

　　pd.Period('2021-05', freq='D')

　　返回：

　　Period('2021-08', 'M')

　　Period('2021-05-01', 'D')

　　时间段的范围创建

　　pd.period_range('2020-08',periods=5,freq='M')

　　pd.period_range('2020-08',periods=5,freq='D')

　　结果是时间段序列：

　　PeriodIndex(['2020-08', '2020-09', '2020-10', '2020-11', '2020-12'], dtype='period[M]', freq='M')

　　PeriodIndex(['2020-08-01', '2020-08-02', '2020-08-03', '2020-08-04',

　　'2020-08-05'],

　　dtype='period[D]', freq='D')

　　Pandas 可以识别两种表现形式，并在两者之间进行转化。Pandas 后台用 `Timestamp` 实例代表时间戳，用 `DatetimeIndex` 实例代表时间戳序列。pandas 用 `Period` 对象表示符合规律的时间段标量值，用 `PeriodIndex` 表示时间段序列。

　　时间索引

　　`DatetimeIndex` 主要用作 pandas 对象的索引。`DatetimeIndex` 类为时间序列做了很多优化：

　　1. 预计算了各种偏移量的日期范围，并在后台缓存，让后台生成后续日期范围的速度非常快(仅需抓取切片)。

　　2. 在 pandas 对象上使用 `shift` 与 `tshift` 方法进行快速偏移。

　　3. 合并具有相同频率的重叠 `DatetimeIndex` 对象的速度非常快(这点对快速数据对齐非常重要)。

　　4. 通过 `year`、`month` 等属性快速访问日期字段。

　　5. `snap` 等正则函数与超快的 `asof` 逻辑

　　DatetimeIndex` 可以当作常规索引，支持选择、切片等方法。

　　index = pd.date_range('2020-12-01','2021-10-01' , freq='BM') # 指定范围内的每个月的最后一个工作日

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

　　输出结果：

　　2020-12-31 -0.351660

　　2021-01-29 0.358744

　　2021-02-26 0.746602

　　2021-03-31 0.178684

　　2021-04-30 -0.408984

　　2021-05-31 0.117038

　　2021-06-30 0.661603

　　2021-07-30 0.655608

　　2021-08-31 -0.207675

　　2021-09-30 -0.023105

　　Freq: BM, dtype: float64

　　可以支持获取index和索引切片

　　display(ts.index)

　　display(ts[:4].index)

　　display(ts[::2].index)

　　输出结果：

　　DatetimeIndex(['2020-12-31', '2021-01-29', '2021-02-26', '2021-03-31',

　　'2021-04-30', '2021-05-31', '2021-06-30', '2021-07-30',

　　'2021-08-31', '2021-09-30'],

　　dtype='datetime64[ns]', freq='BM')

　　DatetimeIndex(['2020-12-31', '2021-01-29', '2021-02-26', '2021-03-31'], dtype='datetime64[ns]', freq='BM')

　　DatetimeIndex(['2020-12-31', '2021-02-26', '2021-04-30', '2021-06-30',

　　'2021-08-31'],

　　dtype='datetime64[ns]', freq='2BM')

　　当然也可以按照年、月、日获取时间索引，或者获取所有的索引的年月等

　　display(ts['2020'])

　　display(ts['2021-06'])

　　display(ts['2020-12':'2021-05'])

　　display(ts.index.year)

　　2020-12-31 -0.35166

　　Freq: BM, dtype: float64

　　2021-06-30 0.661603

　　Freq: BM, dtype: float64

　　2020-12-31 -0.351660

　　2021-01-29 0.358744

　　2021-02-26 0.746602

　　2021-03-31 0.178684

　　2021-04-30 -0.408984

　　2021-05-31 0.117038

　　Freq: BM, dtype: float64

　　Int64Index([2020, 2021, 2021, 2021, 2021, 2021, 2021, 2021, 2021, 2021], dtype='int64')

　　当然，`Series` 的值为 `datetime` 时，还可以用 `.dt` 访问这些属性。

　　df = pd.DataFrame(np.random.randn(10000, 2),columns=['A','B'])

　　df['datetime'] = pd.date_range('20180101', periods=10000, freq='H')

　　df

　　输出结果：

　　此时可以通过datetime列获取年月日时分秒等

　　df['datetime'].dt.year

　　# df['datetime'].dt.month

　　# df['datetime'].dt.day

　　dt的属性如下表：

　　时间差

　　使用pandas中的Timedelta()函数表示时间差，这个方法与Python基础中datetime.timedelta是等效的可以互换的在大多数情况下。

　　以时间差为数据的 `Series` 与 `DataFrame` 支持各种运算，`datetime64 [ns]` 序列或 `Timestamps` 减法运算生成的是`timedelta64 [ns]` 序列

　　直接使用符号获取时间差

　　pd.to_datetime('2021-8-14') - pd.to_datetime('2021-6-1')

　　返回值就是一个Timedelta类型的

　　Timedelta('74 days 00:00:00')

　　如果想在当前的日期前三天或者后5天的值，则需要创建时间差对象

　　from datetime import datetime

　　delta = pd.Timedelta('3 days')

　　display(datetime.now()-delta)

　　delta1 = pd.Timedelta('30 days')

　　display(datetime.now()+delta1)

　　输出结果(默认是ns作为单位)：

　　datetime.datetime(2021, 8, 14, 15, 21, 9, 875792)

　　datetime.datetime(2021, 9, 16, 15, 21, 9, 877299)

　　创建Timedelta()可以支持的unit参数值

　　delta1 = pd.Timedelta(5,unit='W') # 表示5周后的时间

　　display(datetime.now()+delta1)

　　简单应用：获取1998-12-20到现在的年龄

　　age = (datetime.now()- pd.to_datetime('1998-12-20')) / pd.Timedelta(days=365)

　　print(age)

　　结果：

　　22.675737040520104

　　时间偏移

　　`DateOffset` 类似于时间差 `Timedelta` ，但遵循指定的日历日规则。例如，`Timedelta` 表示的每日时间差一直都是 24 小时，而 `DateOffset` 的每日偏移量则是与下一天相同的时间差，使用夏时制时，每日偏移时间有可能是 23 或 24 小时，甚至还有可能是 25 小时。不过，`DateOffset` 子类只能是等于或小于**小时**的时间单位(`Hour`、`Minute`、`Second`、`Milli`、`Micro`、`Nano`)，操作类似于 `Timedelta`及对应的绝对时间。

　　DateOffset` 基础操作类似于 `dateutil.relativedelta`可按指定的日历日时间段偏移日期时间。

　　ts = pd.Timestamp('2016-10-30 00:00:00', tz='Europe/Helsinki') # 其中 tz='Europe/Helsinki'表示夏时制时区

　　display(ts + pd.Timedelta(days=1))

　　display(ts + pd.DateOffset(days=1))

　　输出结果：

　　Timestamp('2016-10-30 23:00:00+0200', tz='Europe/Helsinki')

　　Timestamp('2016-10-31 00:00:00+0200', tz='Europe/Helsinki')

　　`DateOffset`可用算数运算符(+)或 `apply` 方法执行日期偏移操作。

　　d = pd.Timestamp('2021-08-15')

　　two_business_days = 2 * pd.offsets.BDay() # BDay()表示工作日

　　two_business_days.apply(d) # Timestamp('2021-08-17 00:00:00')

　　`DateOffset` 还支持 `rollforward()` 与 `rollback()` 方法，按偏移量把某一日期**向前**或**向后**移动至有效偏移日期。例如，工作日偏移滚动日期时会跳过周末(即，星期六与星期日)，直接到星期一，因为工作日偏移针对的是工作日。

　　可以为 `Series` 或 `DatetimeIndex` 里的每个元素应用偏移。

　　rng = pd.date_range('2021-01-01', '2021-08-16')

　　s = pd.Series(rng)

　　s + pd.DateOffset(days=2) # 或者使用s+pd.offsets.Day(2)

　　输出结果：

　　0 2021-01-03

　　1 2021-01-04

　　2 2021-01-05

　　3 2021-01-06

　　4 2021-01-07

 

　　223 2021-08-14

　　224 2021-08-15

　　225 2021-08-16

　　226 2021-08-17

　　227 2021-08-18

　　Length: 228, dtype: datetime64[ns]

　　与时间序列相关的方法

　　在做时间序列相关的工作时，经常要对时间做一些移动/滞后、频率转换、采样等相关操作，我们来看下这些操作如何使用吧。

　　移动

　　如果你想移动或滞后时间序列，你可以使用 shift 方法。

　　ts = pd.Series(np.random.randn(4), index = pd.date_range('2012-01-01',periods =4, freq ='M'))

　　print(ts)

　　2012-01-31 1.132395

　　2012-02-29 0.740404

　　2012-03-31 0.154164

　　2012-04-30 -0.487571

　　Freq: M, dtype: float64

　　print(ts.shift(2)) #将数据往后移动， 往前移动则为 ts.shift(-2)

　　2012-01-31 NaN

　　2012-02-29 NaN

　　2012-03-31 1.132395

　　2012-04-30 0.740404

　　Freq: M, dtype: float64

　　当然也可以结合频度

　　print(ts.shift(2, freq='M')) # 此时时间增加了2个月

　　结果：

　　2012-03-31 1.132395

　　2012-04-30 0.740404

　　2012-05-31 0.154164

　　2012-06-30 -0.487571

　　Freq: M, dtype: float64

　　改变频率

　　使用函数 `asfreq()`。对于 `DatetimeIndex`，这就是一个调用 `reindex()`，并生成 `date_range` 的便捷打包器。

　　from pandas.tseries.offsets import *

　　ts = pd.Series(np.random.randn(2), index = pd.date_range('2021-06-01',periods =2, freq ='w'))

　　ts.asfreq(Day())

　　结果(即原来是周显示，现在将频率由周转为了天)：

　　2021-06-06 0.362032

　　2021-06-07 NaN

　　2021-06-08 NaN

　　2021-06-09 NaN

　　2021-06-10 NaN

　　2021-06-11 NaN

　　2021-06-12 NaN

　　2021-06-13 -1.720824

　　Freq: D, dtype: float64

　　你会发现出现了缺失值，因此 Pandas 为你提供了 method 参数来填充缺失值。几种不同的填充方法参考 Pandas 缺失值处理 中 fillna 介绍

　　ts.asfreq(Day(), method="pad") # 即使用0.362032填充了NaN的值

　　结果：

　　2021-06-06 0.362032

　　2021-06-07 0.362032

　　2021-06-08 0.362032

　　2021-06-09 0.362032

　　2021-06-10 0.362032

　　2021-06-11 0.362032

　　2021-06-12 0.362032

　　2021-06-13 -1.720824

　　Freq: D, dtype: float64

　　重采样

　　Pandas 有一个虽然简单，但却强大、高效的功能，可在频率转换时执行重采样，如，将秒数据转换为 5 分钟数据，这种操作在金融等领域里的应用非常广泛。

　　重采样(resampling)指的是将时间序列从一个频率转换到另一个频率的处理过程。将高频数据聚合到低频称为降采样(downsampling)，将低频数据转换到高频则称为升采样(upsampling)。除此以外还存在一种采样方式既不是升采样，也不是降采样，比如`W-WED`转换成`W-FRI`。

　　可以通过`resample()`函数来实现，也可以通过更简单的方式`asfreq()`函数来实现。两者基本的不同点在于`resample()`是一种数据聚合方式`asfreq()`是一种数据选取方式。

　　resample() 是基于时间的分组操作，每个组都遵循归纳方法。可以按照分钟、小时、工作日、周、月、年等来作为日期维度

　　# 获取7月1日到7月31日的时间区间

　　rng = pd.date_range(start='2021/07/1',end='2021/07/31',freq='D')

　　# 使用此时间区间构建一个Series对象

　　ts = pd.Series(np.random.randint(0, 500, len(rng)), index=rng)

　　# 获取此Series对象每5天的数据总和

　　ts.resample('5D').sum()

　　案例演示

　　AAPL = pd.read_csv('AAPL.csv')

　　AAPL.Date = pd.to_datetime(AAPL.Date)

　　AAPL.head()

　　AAPL['month'] = AAPL.Date.dt.month

　　AAPL.groupby('month')['Adj Close'].mean() # 每个月份的Adj Close的均值

　　AAPL.set_index('Date').resample('Y')['Adj Close'].mean() # 获取每年的Adj Close的均值

　　如果使用resample进行重采样，获取日期每十年`Adj Close`的均值

　　AAPL.set_index('Date').resample('10Y')['Adj Close'].mean()

　　AAPL.csv数据回复`时间序列重采样`获取

　　更多关于“Python培训”的问题，欢迎咨询千锋教育在线名师。千锋教育多年办学，课程大纲紧跟企业需求，更科学更严谨，每年培养泛IT人才近2万人。不论你是零基础还是想提升，都可以找到适合的班型，千锋教育随时欢迎你来试听。