作为一个几乎每天与时间序列数据打交道的人员，我发现pandaPython包在时间序列的操作和分析方面有强大优势。
这篇关于panda时间序列数据处理的基本介绍可以带你入门时间序列分析。本文将主要介绍以下操作:
创建一个日期范围处理时间戳数据将字符串数据转换为时间戳在数据框中索引和切片时间序列数据重新采样不同时间段的时间序列汇总/汇总统计数据计算滚动统计数据，如滚动平均值处理丢失数据了解unix/epoch时间的基础知识了解时间序列数据分析的常见陷阱
接下来我们一起步入正题。如果想要处理已有的实际数据，你可能考虑从使用panda read_csv将文件读入数据框开始，然而在这里，我们将直接从处理生成的数据开始。
首先导入我们将会使用到的库，然后用它们创建日期范围
import pandas as pdfrom datetime import datetimeimport numpy as npdate_rng = pd.date_range(start='1/1/', end='1/08/', freq='H')
这个日期范围的时间戳为每小时一次。如果我们调用date_rng，我们会看到如下所示:
DatetimeIndex(['-01-01 00:00:00', '-01-01 01:00:00','-01-01 02:00:00', '-01-01 03:00:00','-01-01 04:00:00', '-01-01 05:00:00','-01-01 06:00:00', '-01-01 07:00:00','-01-01 08:00:00', '-01-01 09:00:00',...'-01-07 15:00:00', '-01-07 16:00:00','-01-07 17:00:00', '-01-07 18:00:00','-01-07 19:00:00', '-01-07 20:00:00','-01-07 21:00:00', '-01-07 22:00:00','-01-07 23:00:00', '-01-08 00:00:00'],dtype='datetime64[ns]', length=169, freq='H')
我们可以检查第一个元素的类型:
type(date_rng[0])#returnspandas._libs.tslib.Timestamp
让我们用时间戳数据的创建一个示例数据框，并查看前15个元素：
df = pd.DataFrame(date_rng, columns=['date'])df['data'] = np.random.randint(0,100,size=(len(date_rng)))df.head(15)
如果想进行时间序列操作，我们需要一个日期时间索引。这样一来，数据框便可以在时间戳上建立索引。
将数据框索引转换为datetime索引，然后显示第一个元素:
df['datetime'] = pd.to_datetime(df['date'])df = df.set_index('datetime')df.drop(['date'], axis=1, inplace=True)df.head()
如果数据中的“时间”戳实际上是字符串类型和数值类型相比较，该怎么办呢?我们可以将date_rng转换为字符串列表，然后将字符串转换为时间戳。
string_date_rng = [str(x) for x in date_rng]string_date_rng#returns['-01-01 00:00:00','-01-01 01:00:00','-01-01 02:00:00','-01-01 03:00:00','-01-01 04:00:00','-01-01 05:00:00','-01-01 06:00:00','-01-01 07:00:00','-01-01 08:00:00','-01-01 09:00:00',...
可以通过推断字符串的格式将其转换为时间戳，然后查看这些值:
timestamp_date_rng = pd.to_datetime(string_date_rng, infer_datetime_format=True)timestamp_date_rng#returnsDatetimeIndex(['-01-01 00:00:00', '-01-01 01:00:00','-01-01 02:00:00', '-01-01 03:00:00','-01-01 04:00:00', '-01-01 05:00:00','-01-01 06:00:00', '-01-01 07:00:00','-01-01 08:00:00', '-01-01 09:00:00',...'-01-07 15:00:00', '-01-07 16:00:00','-01-07 17:00:00', '-01-07 18:00:00','-01-07 19:00:00', '-01-07 20:00:00','-01-07 21:00:00', '-01-07 22:00:00','-01-07 23:00:00', '-01-08 00:00:00'],dtype='datetime64[ns]', length=169, freq=None)
但是如果需要转换一个唯一的字符串格式呢?
我们可以创建一个任意的字符串形式的日期列表，并将它们转换为时间戳:
string_date_rng_2 = ['June-01-', 'June-02-', 'June-03-']timestamp_date_rng_2 = [datetime.strptime(x,'%B-%d-%Y') for x in string_date_rng_2]timestamp_date_rng_2#returns[datetime.datetime(, 6, 1, 0, 0),datetime.datetime(, 6, 2, 0, 0),datetime.datetime(, 6, 3, 0, 0)]
如果把它放到数据框中，将会如何?
df2 = pd.DataFrame(timestamp_date_rng_2, columns=['date'])df2
回到最初的数据框架，让我们通过解析时间戳索引来查看数据:
假设只想查看本月2号的数据，可以使用如下索引。
df[df.index.day == 2]
顶部如图所示：
也可以通过数据框索引直接调用想查看的日期:
df['-01-03']
如何在特定日期之间选择数据？
df['-01-04':'-01-06']
我们填充的基本数据框提供了频率以小时计的数据，但同样可以以不同的频率重新采样数据，并指定如何计算新样本频率的汇总统计信息。我们可以取每天频率下数据的最小值、最大值、平均值、总和等，而不是每小时的频率，如下面的例子，计算每天数据的平均值:
df.resample('D').mean()
那么诸如滚动平均值或滚动和之类的窗口统计信息呢?
让我们在原来的df中创建一个新列，计算3个窗口周期内的滚动和，然后查看数据框的顶部:
df ['rolling_sum'] = df.rolling（3）.sum（）df.head（10）
可以看到，在这个正确的计算中，只有当存在三个周期可以回顾时，它才开始具有有效值。
这可以有效地帮我们了解到，当处理丢失的数据值时，如何向前或向后“滚动”数据。
这是我们的df，但有一个新的列，采取滚动求和并向后“滚动”数据:
df['rolling_sum'] = df.rolling(3).sum()df.head(10)
采用诸如平均时间之类的实际值用于填补丢失的数据,这种方法通常来说是有效的。但一定谨记,如果你正处理一个时间序列的问题,并且希望数据是切合实际的,那么你不应该向后“滚动”数据。因为这样一来，你需要的关于未来的信息就永远不可能在那个时间获取到。你可能更希望频繁地向前“滚动”数据，而不是向后“滚动”。
在处理时间序列数据时，可能会遇到Unix时间中的时间值。Unix时间，也称为Epoch时间，是自协调世界时(UTC) 1970年1月1日星期四00:00:00以后经过的秒数。使用Unix时间有助于消除时间戳的歧义，这样我们就不会被时区、夏令时等混淆。
下面是一个时间t在Epoch时间的例子，它将Unix/Epoch时间转换为UTC中的常规时间戳:
epoch_t = 1529272655real_t = pd.to_datetime(epoch_t, unit='s')real_t#returnsTimestamp('-06-17 21:57:35')
如果我想把UTC中的时间转换为自己的时区，可以简单地做以下操作:
real_t.tz_localize('UTC').tz_convert('US/Pacific')#returnsTimestamp('-06-17 14:57:35-0700', tz='US/Pacific')
掌握了这些基础知识后，就可以开始处理时间序列数据了。
以下是一些处理时间序列数据时要记住的技巧和常见的陷阱:
检查数据中可能由区域特定时间变化（如夏令时）引起的差异。精心跟踪时区- 让他人通过代码了解你的数据所在的时区，并考虑转换为UTC或标准化值以保持数据标准化。丢失的数据可能经常发生 - 请确保记录清洁规则并考虑不回填在采样时无法获得的信息。请记住，当重新采样数据或填写缺失值时，将丢失有关原始数据集的一定数量的信息。建议跟踪所有数据转换并跟踪数据问题根源。重新采样数据时，最佳方法（平均值，最小值，最大值，总和等）取决于拥有的数据类型以及采样方式。请仔细考虑如何重新采样数据以进行分析。
原文链接
本文为云栖社区原创内容，未经允许。
