时间序列的操作

一、时间序列基础

import numpy as np
import pandas as pd
from pandas import Series, DataFrame
from datetime import datetime
t1 = datetime(2009,10,20)       # 创建时间序列
date_list = [                   # 创建时间序列数组
    datetime(2016,9,1),
    datetime(2016,9,10),
    datetime(2017,9,1),
    datetime(2017,9,20),
    datetime(2017,10,1)
]

s1 = Series(np.random.rand(5), index=date_list)  # 将时间序列当索引创建series

import numpy as np

import pandas as pd

from pandas import Series, DataFrame

from datetime import datetime

t1 = datetime(2009,10,20) # 创建时间序列

date_list = [ # 创建时间序列数组

datetime(2016,9,1),

datetime(2016,9,10),

datetime(2017,9,1),

datetime(2017,9,20),

datetime(2017,10,1)

]

s1 = Series(np.random.rand(5), index=date_list) # 将时间序列当索引创建series

访问数组的方法：

位置index、datatime对象访问、月份、年份

产生一定范围内的时间数据

pandas.date_range()可以产生一定时间范围内的时间数据，具体参数如下：

start：起始时间
end：结束时间
periods：时间间隔
freq：步长，默认为D，表示按天为步长

这里有一个特殊的地方，如果指定了start和end，则periods是不需要指定的，而若只指定了start和periods，则可以根据这两个自动算出end。就是说end和periods不用共存。

按天产生数据

从2016-01-01开始的100天的时间数据
pd.date_range('2016-01-01', periods=100)

可以看出，它是DatetimeIndex类型数据，从2016-01-01开始，间隔一天，一共100天的数据.

按周产生数据

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

发现开始的日期并不是2016-01-01，因为按周分隔的话默认是从周日开始的，而2016-01-03是第一个周日，所以从这一天开始.

如果想在按周分隔的时候指定从周几开始，例如周一，则：
pd.date_range('2016-01-01', periods=100, freq='w-mon')

按小时产生数据

pd.date_range('2016-01-01', periods=100, freq='h')
pd.date_range('2016-01-01', periods=100, freq='5h')  # 每隔五小时

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

pd.date_range('2016-01-01', periods=100, freq='5h') # 每隔五小时

这样就从指定日期的0点开始，每小时产生一个数据，直到100个。

用个这种方法生成index为时间序列的series

date_list_new = pd.date_range('2016-01-01', periods=100, freq='5H')
s2 = Series(np.random.rand(100), index=date_list_new)

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

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

二、时间序列 采样

生成数据

首先使用date_range来生成一个时间序列，然后在生成一个和它一样长的series：

t_range = pd.date_range('2016-01-01', '2016-12-31')
s1 = Series(np.random.randn(len(t_range)), index=t_range)

t_range = pd.date_range('2016-01-01', '2016-12-31')

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

采样

采样的方法和标准有很多，假设这里采用按月份采样的方法，即每个月的数据作为一个数据点，一共是12个数据点。

1月为例：通过s1['2017-01']可以得到所有1月的数据，现在需要将它们变成一个数据点，可以采用求平均数的方法mean()。用这个方法重复对1到12月求平均数，创建一个新的series就得到了采样后的数据。

s1['2016-01']
s1['2016-01'].mean()   # 算月平均值

s1['2016-01']

s1['2016-01'].mean() # 算月平均值

Pandas对于时间序列的采样提供了一种更为便利的方法：resample，它可以指定采样的标准（按天、月等）。

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

1 2	s1_month = s1.resample('M').mean()

这里指定按月采样，并求平均值得到采样解果。结果的index为每月最后一天的日期。

bfill和ffill

这是resample的两个方法，用于数据的填充。

当采样频率提高之后，可能导致原始数据不够，例如s1是按照“日”为单位进行排列的，如果按照小时进行采样的话必然不能采，所以可以使用bfill和ffill对数据进行填充。

bfill是向上填充，即将2017-01-01 01:00:00至2017-01-01 23:00:00的值都填充为2017-01-02 00:00:00的值

ffill是向下填充，即将2017-01-01 01:00:00至2017-01-01 23:00:00的值都填充为2017-01-01 00:00:00的值

三、时间序列画图

时间序列数据适合画基于时间的曲线图，这里画一个模拟的股票数据曲线图。

首先，创建一个每小时一个点的时间序列：

然后先创建一个index为这个时间序列的空的dataframe，然后向其中填充整形随机数，模拟两个公司的股价：

stock_df = DataFrame(index=t_range)
stock_df['BABA'] = np.random.randint(80, 160, size=len(t_range))
stock_df['TENCENT'] = np.random.randint(30, 50, size=len(t_range))

stock_df = DataFrame(index=t_range)

stock_df['BABA'] = np.random.randint(80, 160, size=len(t_range))

stock_df['TENCENT'] = np.random.randint(30, 50, size=len(t_range))

使用plot()方法可以生成一个图像的对象，想要显示出图像还需要导入一些绘图的库。

但是看到这个图可读性是为0的，因为8000+的数据挤在一起形成的折线图显得不好看，所以采用前面采样的方法进行数据预处理，改成每个周一个点

将之前的数据按周采样，保存在新的dataframe中：

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

weekly_df = DataFrame()

weekly_df['BABA'] = stock_df['BABA'].resample('W').mean()

weekly_df['TENCENT'] = stock_df['TENCENT'].resample('W').mean()

weekly_df.plot()

plt.show()