pandas的時(shí)間序列操控技巧

按指定的時(shí)間參數(shù)來(lái)創(chuàng)建時(shí)間序列

import pandas as pd

# 創(chuàng)建按分鐘為單元?jiǎng)?chuàng)建一個(gè)時(shí)間序列 date_range
dr1=pd.date_range(start='2017-10-09 20:00:00',end='2017-10-09 20:10:10',freq='T')
dr2=pd.date_range('2017-10-09 20:00:00',periods=11,freq='T')
print dr1
print 'dr1 和 dr2 創(chuàng)建方法略有不同,但是結(jié)果是相同的,看下面的比較:dr1==dr2'
print dr1==dr2
DatetimeIndex(['2017-10-09 20:00:00', '2017-10-09 20:01:00',
               '2017-10-09 20:02:00', '2017-10-09 20:03:00',
               '2017-10-09 20:04:00', '2017-10-09 20:05:00',
               '2017-10-09 20:06:00', '2017-10-09 20:07:00',
               '2017-10-09 20:08:00', '2017-10-09 20:09:00',
               '2017-10-09 20:10:00'],
              dtype='datetime64[ns]', freq='T')
dr1 和 dr2 創(chuàng)建方法略有不同沮尿,但是結(jié)果是相同的锌云,看下面的比較:dr1==dr2
[ True  True  True  True  True  True  True  True  True  True  True]
# 將 date_range 放到一個(gè) DataFrame 的 index
df=pd.DataFrame(index=dr1)
# 也可以用 pd.DataFrame(pd.Series(dr1))
df['num']=[i for i in range(11)]
print df
<class 'pandas.tseries.index.DatetimeIndex'>

一個(gè)常犯的錯(cuò)誤

如果一個(gè) DataFrame 的index 是 pandas.indexes.base.Index缴饭,單純的打印出來(lái)看不出有什么問(wèn)題医瘫,但是要做 resample 時(shí)可能就會(huì)報(bào)錯(cuò)猾骡。下面做一個(gè)對(duì)比:

df2_index=['2017-09-10','2017-09-11','2017-09-12','2017-09-13','2017-09-14','2017-09-15','2017-09-16','2017-09-17']
df2=pd.DataFrame(index=df2_index,data={'num':[i for i in range(8)]})
print df2
print '看看df2.index 的類型...'
print type(df2.index)
print '再看看 df.index 的類型...'
print type(df.index)
            num
2017-09-10    0
2017-09-11    1
2017-09-12    2
2017-09-13    3
2017-09-14    4
2017-09-15    5
2017-09-16    6
2017-09-17    7
看看df2.index 的類型...
<class 'pandas.indexes.base.Index'>
再看看 df.index 的類型...
<class 'pandas.tseries.index.DatetimeIndex'>

要知道竭贩,只有 pandas.tseries.index.DatetimeIndex 的實(shí)例才可以用 resample 函數(shù)來(lái)重新對(duì)時(shí)間取樣蚜印!所以,如果遇到這種問(wèn)題留量,可以用 pandas.to_datetime()方法

df2.index=pd.to_datetime(df2.index)
print df2
print type(df2.index)
            num
2017-09-10    0
2017-09-11    1
2017-09-12    2
2017-09-13    3
2017-09-14    4
2017-09-15    5
2017-09-16    6
2017-09-17    7
<class 'pandas.tseries.index.DatetimeIndex'>

按年/月/日/小時(shí)/分鐘/秒來(lái)創(chuàng)建時(shí)間序列

freq 的取值只要按照下面的規(guī)則即可:

字母 含義
A 或者 A-JAN / A-FEB / ... 年 Annual
M 月 Month
W 周 Week
D 天 Day
H 小時(shí) Hour
T 分鐘 minuTe
S 秒 Second
print pd.date_range('2017-10-09 20:00:00',periods=3,freq='S')
print '-------------'
print pd.date_range('2017-10-09 20:00:00',periods=3,freq='T')
print '-------------'
print pd.date_range('2017-10-09 20:00',periods=3,freq='H')
print '-------------'
print pd.date_range('2017-10-09',periods=3,freq='D')
print '-------------'
print pd.date_range('2017-10-09',periods=3,freq='M')
print '-------------'
# freq='A' 會(huì)被認(rèn)為是缺省值 A-DEC
print pd.date_range('2017-10-09',periods=3,freq='A')
print pd.date_range('2017-10-09',periods=3,freq='A-JAN')
DatetimeIndex(['2017-10-09 20:00:00', '2017-10-09 20:00:01',
               '2017-10-09 20:00:02'],
              dtype='datetime64[ns]', freq='S')
-------------
DatetimeIndex(['2017-10-09 20:00:00', '2017-10-09 20:01:00',
               '2017-10-09 20:02:00'],
              dtype='datetime64[ns]', freq='T')
-------------
DatetimeIndex(['2017-10-09 20:00:00', '2017-10-09 21:00:00',
               '2017-10-09 22:00:00'],
              dtype='datetime64[ns]', freq='H')
-------------
DatetimeIndex(['2017-10-09', '2017-10-10', '2017-10-11'], dtype='datetime64[ns]', freq='D')
-------------
DatetimeIndex(['2017-10-31', '2017-11-30', '2017-12-31'], dtype='datetime64[ns]', freq='M')
-------------
DatetimeIndex(['2017-12-31', '2018-12-31', '2019-12-31'], dtype='datetime64[ns]', freq='A-DEC')
DatetimeIndex(['2018-01-31', '2019-01-31', '2020-01-31'], dtype='datetime64[ns]', freq='A-JAN')

重建時(shí)間序列

把按天建立的序列改為按3天為一個(gè)單元建立序列

dt1=pd.date_range('2017-09-01',periods=12,freq='D')
df=pd.DataFrame(index=dt1,data={'num':[i for i in range(12)]})
print df
print '\n重置index窄赋,改為3天為一個(gè)刻度'
df_left=df.resample('3D',label='left').sum().to_period('3D')
print df_left
print '\nlabel=right 注意,index 中選定的時(shí)間變了'
df_right=df.resample('3D',label='right').sum().to_period('3D')
print df_left
            num
2017-09-01    0
2017-09-02    1
2017-09-03    2
2017-09-04    3
2017-09-05    4
2017-09-06    5
2017-09-07    6
2017-09-08    7
2017-09-09    8
2017-09-10    9
2017-09-11   10
2017-09-12   11

重置index楼熄,改為3天為一個(gè)刻度
            num
2017-09-01    3
2017-09-04   12
2017-09-07   21
2017-09-10   30

label=right 注意忆绰,index 中選定的時(shí)間變了
            num
2017-09-01    3
2017-09-04   12
2017-09-07   21
2017-09-10   30
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市可岂,隨后出現(xiàn)的幾起案子错敢,更是在濱河造成了極大的恐慌,老刑警劉巖缕粹,帶你破解...
    沈念sama閱讀 218,451評(píng)論 6 506
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件伐债,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡致开,警方通過(guò)查閱死者的電腦和手機(jī)峰锁,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,172評(píng)論 3 394
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)双戳,“玉大人虹蒋,你說(shuō)我怎么就攤上這事§酰” “怎么了魄衅?”我有些...
    開(kāi)封第一講書人閱讀 164,782評(píng)論 0 354
  • 文/不壞的土叔 我叫張陵,是天一觀的道長(zhǎng)塘辅。 經(jīng)常有香客問(wèn)我晃虫,道長(zhǎng),這世上最難降的妖魔是什么扣墩? 我笑而不...
    開(kāi)封第一講書人閱讀 58,709評(píng)論 1 294
  • 正文 為了忘掉前任哲银,我火速辦了婚禮扛吞,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘荆责。我一直安慰自己滥比,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,733評(píng)論 6 392
  • 文/花漫 我一把揭開(kāi)白布做院。 她就那樣靜靜地躺著盲泛,像睡著了一般。 火紅的嫁衣襯著肌膚如雪键耕。 梳的紋絲不亂的頭發(fā)上寺滚,一...
    開(kāi)封第一講書人閱讀 51,578評(píng)論 1 305
  • 那天,我揣著相機(jī)與錄音屈雄,去河邊找鬼村视。 笑死,一個(gè)胖子當(dāng)著我的面吹牛棚亩,可吹牛的內(nèi)容都是我干的蓖议。 我是一名探鬼主播虏杰,決...
    沈念sama閱讀 40,320評(píng)論 3 418
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼讥蟆,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼!你這毒婦竟也來(lái)了纺阔?” 一聲冷哼從身側(cè)響起瘸彤,我...
    開(kāi)封第一講書人閱讀 39,241評(píng)論 0 276
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎笛钝,沒(méi)想到半個(gè)月后质况,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,686評(píng)論 1 314
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡玻靡,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,878評(píng)論 3 336
  • 正文 我和宋清朗相戀三年结榄,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片囤捻。...
    茶點(diǎn)故事閱讀 39,992評(píng)論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡臼朗,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出蝎土,到底是詐尸還是另有隱情视哑,我是刑警寧澤,帶...
    沈念sama閱讀 35,715評(píng)論 5 346
  • 正文 年R本政府宣布誊涯,位于F島的核電站挡毅,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏暴构。R本人自食惡果不足惜跪呈,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,336評(píng)論 3 330
  • 文/蒙蒙 一段磨、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧庆械,春花似錦薇溃、人聲如沸。這莊子的主人今日做“春日...
    開(kāi)封第一講書人閱讀 31,912評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)。三九已至堕绩,卻和暖如春策幼,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背奴紧。 一陣腳步聲響...
    開(kāi)封第一講書人閱讀 33,040評(píng)論 1 270
  • 我被黑心中介騙來(lái)泰國(guó)打工特姐, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人黍氮。 一個(gè)月前我還...
    沈念sama閱讀 48,173評(píng)論 3 370
  • 正文 我出身青樓唐含,卻偏偏與公主長(zhǎng)得像,于是被迫代替她去往敵國(guó)和親沫浆。 傳聞我的和親對(duì)象是個(gè)殘疾皇子捷枯,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,947評(píng)論 2 355

推薦閱讀更多精彩內(nèi)容