九、 时间序列

Pandas 在对频率转换进行重新采样时拥有简单、强大且高效的功能（如将按秒采样的数据转换为按5分钟为单位进行采样的数据）。这种操作在金融领域非常常见。具体参考：时间序列。

  1. In [108]: rng = pd.date_range('1/1/2012', periods=100, freq='S')
  3. In [109]: ts = pd.Series(np.random.randint(0, 500, len(rng)), index=rng)
  5. In [110]: ts.resample('5Min').sum()
  6. Out[110]: 
  7. 2012-01-01    25083
  8. Freq: 5T, dtype: int64

1、 时区表示：

  1. In [111]: rng = pd.date_range('3/6/2012 00:00', periods=5, freq='D')
  3. In [112]: ts = pd.Series(np.random.randn(len(rng)), rng)
  5. In [113]: ts
  6. Out[113]: 
  7. 2012-03-06    0.464000
  8. 2012-03-07    0.227371
  9. 2012-03-08   -0.496922
  10. 2012-03-09    0.306389
  11. 2012-03-10   -2.290613
  12. Freq: D, dtype: float64
  14. In [114]: ts_utc = ts.tz_localize('UTC')
  16. In [115]: ts_utc
  17. Out[115]: 
  18. 2012-03-06 00:00:00+00:00    0.464000
  19. 2012-03-07 00:00:00+00:00    0.227371
  20. 2012-03-08 00:00:00+00:00   -0.496922
  21. 2012-03-09 00:00:00+00:00    0.306389
  22. 2012-03-10 00:00:00+00:00   -2.290613
  23. Freq: D, dtype: float64

2、 时区转换：

  1. In [116]: ts_utc.tz_convert('US/Eastern')
  2. Out[116]: 
  3. 2012-03-05 19:00:00-05:00    0.464000
  4. 2012-03-06 19:00:00-05:00    0.227371
  5. 2012-03-07 19:00:00-05:00   -0.496922
  6. 2012-03-08 19:00:00-05:00    0.306389
  7. 2012-03-09 19:00:00-05:00   -2.290613
  8. Freq: D, dtype: float64

3、 时间跨度转换：

  1. In [117]: rng = pd.date_range('1/1/2012', periods=5, freq='M')
  3. In [118]: ts = pd.Series(np.random.randn(len(rng)), index=rng)
  5. In [119]: ts
  6. Out[119]: 
  7. 2012-01-31   -1.134623
  8. 2012-02-29   -1.561819
  9. 2012-03-31   -0.260838
  10. 2012-04-30    0.281957
  11. 2012-05-31    1.523962
  12. Freq: M, dtype: float64
  14. In [120]: ps = ts.to_period()
  16. In [121]: ps
  17. Out[121]: 
  18. 2012-01   -1.134623
  19. 2012-02   -1.561819
  20. 2012-03   -0.260838
  21. 2012-04    0.281957
  22. 2012-05    1.523962
  23. Freq: M, dtype: float64
  25. In [122]: ps.to_timestamp()
  26. Out[122]: 
  27. 2012-01-01   -1.134623
  28. 2012-02-01   -1.561819
  29. 2012-03-01   -0.260838
  30. 2012-04-01    0.281957
  31. 2012-05-01    1.523962
  32. Freq: MS, dtype: float64

4、 时期和时间戳之间的转换使得可以使用一些方便的算术函数。

  1. In [123]: prng = pd.period_range('1990Q1', '2000Q4', freq='Q-NOV')
  3. In [124]: ts = pd.Series(np.random.randn(len(prng)), prng)
  5. In [125]: ts.index = (prng.asfreq('M', 'e') + 1).asfreq('H', 's') + 9
  7. In [126]: ts.head()
  8. Out[126]: 
  9. 1990-03-01 09:00   -0.902937
  10. 1990-06-01 09:00    0.068159
  11. 1990-09-01 09:00   -0.057873
  12. 1990-12-01 09:00   -0.368204
  13. 1991-03-01 09:00   -1.144073
  14. Freq: H, dtype: float64