数据科学入门与实战：玩转pandas之六时间序列

时间序列的操作基础

首先引入相关的包

import numpy as np
import pandas as pd
from pandas import Series,DataFrame
from datetime import datetime

创建一个时间对象

t1 = datetime(2009,10,20,0,0)
print(t1)

创建多个时间对象

date_list = [datetime(2016,9,1),datetime(2017,9,2),datetime(2016,9,3),datetime(2017,9,4),datetime(2016,10,5),
]
print(date_list)

打印结果

[datetime.datetime(2016, 9, 1, 0, 0), datetime.datetime(2017, 9, 2, 0, 0), datetime.datetime(2016, 9, 3, 0, 0), datetime.datetime(2017, 9, 4, 0, 0), datetime.datetime(2016, 10, 5, 0, 0)]
2016-09-01    0.257473

创建一个以date_list为index的Serious并且查看他的相关信息

s1 = Series(np.random.rand(5),index=date_list)
print(s1)
print(type(s1))
print(s1.index)
print(s1.values)
print(s1[1])

也可以通过data查看

print(s1[datetime(2016,9,1)])
print(s1['2016-9-1'])
print(s1['2016-9'])
print('-'*100)
print(s1['2017'])

如果我想产生这样一个index:连续的日期。

date_list_new = pd.date_range('2016-01-01',periods=100)

可以加一个freq参数，让时间间隔显示

date_list_new = pd.date_range('2016-01-01',periods=100,freq='5H')

建立一个以date_list_new为索引的s2

s2 = Series(np.random.rand(100),index=date_list_new)
print(s2)

时间序列数据的采样和画图

首先引入相关包

import numpy as np
import pandas as pd
from pandas import Series,DataFrame

创建一下date_list_new

#创建一下date_list_new
t_range = pd.date_range('2016-01-01','2016-12-31')
print(t_range)
print(len(t_range))

创建s1,index为t_range

s1 = Series(np.random.randn(len(t_range)),index = t_range)
print(s1)

笨办法…

#对它进行采样
print(s1['2016-01'])#获取到一月份的数据
print(s1['2016-01'].mean())
#算12次 就实现采样的功能 然而有更好的

函数采样
按月采样

s1_month = s1.resample('M').mean()
print(s1_month)
print(s1_month.index)

一天采集24个点

#一天采集24个点，提高采样率
#填充方式
print(s1.resample('H').ffill())

另一种填充方式

#另一种填充方式
print(s1.resample('H').bfill())

画时序图

#画时序图
import matplotlib.pyplot as plt
t_range = pd.date_range('2016-01-01','2016-12-31',freq='H')
print(t_range)
#股票
stock_df = DataFrame(index=t_range)
stock_df['BABA'] = np.random.randint(80,160,size = len(t_range))
#print(stock_df)
print(stock_df.head())
stock_df['TENCENT'] = np.random.randint(80,160,size = len(t_range))stock_df.plot()
plt.show()

采样率高的没法看
采样一下
计算一下每周的均值然后绘图

weekly_df = DataFrame()

然后周平均，并绘图

weekly_df = DataFrame()
weekly_df['BABA'] = stock_df['BABA'].resample('W').mean()
weekly_df['TENCENT'] = stock_df['TENCENT'].resample('W').mean()
print(weekly_df.head())
weekly_df.plot()

数据科学入门与实战：玩转pandas之六时间序列相关推荐

python3数据科学入门与实战_Python3学习之Python3数据科学入门与实战视频教程
Python3学习之Python3数据科学入门与实战视频教程 Python3数据科学入门与实战这是一个数据驱动的时代,想要从事机器学习.人工智能.数据挖掘等前沿技术,都离不开数据跟踪,本课程通过Nu ...
数据科学入门与实战：玩转pandas实战项目分析航班晚点情况
引入相关包 import numpy as np import pandas as pd from pandas import DataFrame,Series 读取数据文件 df = pd.read ...
数据科学入门与实战：玩转pandas之七数据透视
数据透视引入相关包 #透视表 import numpy as np import pandas as pd from pandas import DataFrame,Series 看看- df = ...
数据科学入门与实战：玩转pandas之七数据分箱技术，分组技术，聚合技术
首先导入相关包 import pandas as pd import numpy as np from pandas import Series,DataFrame #数据分箱技术Binning 数据 ...
数据科学入门与实战：玩转pandas之五
通过apply进行数据预处理首先读入csv文件 df = pd.read_csv('apply_demo.csv') print(df.head()) 看看规模 print(df.size) 创建新 ...
数据科学入门与实战：玩转pandas之二
Series,DateFrame的排序功能引入相关的包 import numpy as np import pandas as pd from pandas import Series,DataFr ...
数据科学入门与实战：玩转pandas之四
DataFrame的merge(合并)操作首先 import numpy as np import pandas as pd from pandas import Series,DataFrame ...
数据科学入门与实战：玩转pandas之三
重命名DataFrame的Index 引入包 import numpy as np import pandas as pd from pandas import Series,DataFrame 创建 ...
数据科学入门与实战：玩转pandas之一
首先引入相关的包 import numpy as np import pandas as pd from pandas import Series,DataFrame Serious的运算创建两个S ...

数据科学入门与实战：玩转pandas之六时间序列

时间序列的操作基础

时间序列数据的采样和画图

数据科学入门与实战：玩转pandas之六时间序列相关推荐

最新文章

热门文章