時間序列分析

昨天睡了一天,是頭暈的那種肥印,然后也沒心思來做筆記识椰,沒心思來看書,其實深碱,我知道腹鹉,或許我現(xiàn)在做的只是在轉(zhuǎn)移一種矛盾,可是我還是想劍走偏鋒敷硅,渴望能夠渡過陳倉功咒。我現(xiàn)在是知道霸王為何要自剄了,雖然江東弟子多才俊绞蹦,卷土重來未可知力奋,可是他那可驕傲的心該往哪里安放呢,為贏天下幽七,生死都是小事景殷。惟楚有才啊。澡屡。猿挚。我的南楚湘中啊。挪蹭。亭饵。


算了,今天弄時間序列梁厉,時間一天天的過去了辜羊,自己是在是沒有學(xué)到什么東西,可能還是量的積累過程吧词顾,總會有質(zhì)變的八秃,只要自己堅持下去。我一直想進(jìn)入實操階段肉盹,可是每每一開始昔驱,就發(fā)現(xiàn)自己的基礎(chǔ)不牢固,然后反而浪費了很多時間上忍。


from datetime import datetime

datetime(2014, 12, 15, 17, 30) ? ? ? ? ? ?? datetime.now()獲取現(xiàn)在的時間

datetime.date(datetime(2014, 12, 15))??? 可以創(chuàng)建時間 用函數(shù)

datetime.now().date()?????? 獲取日期

datetime.time(datetime(2014, 12, 15, 17, 30))? ? datetime.now().time()?? 獲取時間

Timestamp objects?????? 時間戳? 應(yīng)該叫這個吧?? 里面有引號

pd.Timestamp('2014-12-15')?

pd.Timestamp('17:30')????? 返回當(dāng)前時間??

Timedelta??? 兩個時間之間的差


Datetime Index



將格式不同的序列轉(zhuǎn)換為時間索引骤肛,值得注意的是pd.to_datetime()函數(shù)默人返回的是Numpy數(shù)組纳本,如果他有不能解析的時間戳的時候。所以一般情況下以防萬一腋颠,加一個coerce=True參數(shù)放在后面

pd.to_datetime(['Aug 1, 2014', 'foo'], coerce=True)
pd.date_range()?? function.這個函數(shù)可以方便的創(chuàng)建連續(xù)的時間索引

periods = pd.date_range('8/1/2014', periods=10)

date_series = pd.Series(np.random.randn(10), index=periods)

subset = date_series[3:7]
s2 = pd.Series([10, 100, 1000, 10000], subset.index)? 他山之石繁成,可以攻玉?

date_series['2014-08-05':'2014-08-07']

s3 = pd.Series(0, pd.date_range('2013-01-01', '2014-12-31'))

Creating time-series data with specific frequencies? 用特別的周期創(chuàng)建時間序列


在pd.date_range()里面加上參數(shù)freq=‘’就可以打


pd.date_range('2014-08-01 12:10:01', freq='S', periods=10)? 按秒遞增

Calculating new dates using offsets???? 按偏移量計算時間



還有一些內(nèi)建的參數(shù) 可以使用

d = datetime(2014, 8, 29)

do = pd.Date Offset(days = 1)

d + do ? ? ? 得到8月30

from pandas.tseries.offsets import *

d + Business Day()? ? ?? d + 2 * Business Day()? ???? 得先導(dǎo)入模塊才能用

BMonth End().rollforward(datetime(2014, 9, 15))??? 滾動到本月月末的那天

d - Week(weekday = 1)? 得到的是d的上個周二


固定的偏移量,例子如下





上面有每個字母的含義淑玫,但還是沒懂結(jié)果的意思巾腕,尤其是月份那個參數(shù)

Representing durations of time using Period objects? 呈現(xiàn)時間區(qū)間用

aug2014 = pd.Period('2014-08', freq='M')

mp2013 = pd.period_range('1/1/2013', '12/31/2013', freq='M')

for p in mp2013:

print ("{0} {1}".format(p.start_time, p.end_time))

ps = pd.Series(np.random.randn(24),pd.period_range('1/1/2013','12/31/2014', freq='M'))

Handling holidays using calendars?? 處理假期用日歷

from pandas.tseries.holiday import *? 導(dǎo)入模塊

cal = USFederal Holiday Calendar()??? 初始化函數(shù)

for d in cal.holidays(start='2014-01-01', end='2014-12-31'):

???????? print (d)

cbd = CustomBusinessDay(holidays=cal.holidays())

datetime(2014, 8, 29) + cbd

Shifting and lagging

np.random.seed(123456)

ts = Series([1, 2, 2.5, 1.5, 0.5],

pd.date_range('2014-08-01', periods=5))

ts.shift(1)??? 值 向前偏移一天

ts.shift(-2)??? 從后向前偏移

ts / ts.shift(1)? ? ? ? ? ts.shift(1, freq="B")? ? ? ts.tshift(5, freq="H")
?
ts.shift(1, Date Offset(minutes=0.5))? ? ? ? ? ts.tshift(-1, freq='H')

daily = hourly.asfreq('D')? ? ? daily.asfreq('H')? ? ? daily.asfreq('H', method='ffill')
daily.asfreq('H', method='bfill')


first_minute = walk['2014-08-01 00:00']

first_minute.plot()

plt.legend(labels=['Rolling Mean', 'Raw']);

?? mean_abs_dev = lambda x: np.fabs(x - x.mean()).mean()

? pd.rolling_apply(h1w, 5, mean_abs_dev).plot();

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市絮蒿,隨后出現(xiàn)的幾起案子尊搬,更是在濱河造成了極大的恐慌,老刑警劉巖土涝,帶你破解...
    沈念sama閱讀 222,946評論 6 518
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件佛寿,死亡現(xiàn)場離奇詭異,居然都是意外死亡回铛,警方通過查閱死者的電腦和手機(jī)狗准,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 95,336評論 3 399
  • 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茵肃,“玉大人腔长,你說我怎么就攤上這事⊙椴校” “怎么了捞附?”我有些...
    開封第一講書人閱讀 169,716評論 0 364
  • 文/不壞的土叔 我叫張陵,是天一觀的道長您没。 經(jīng)常有香客問我鸟召,道長,這世上最難降的妖魔是什么氨鹏? 我笑而不...
    開封第一講書人閱讀 60,222評論 1 300
  • 正文 為了忘掉前任欧募,我火速辦了婚禮,結(jié)果婚禮上仆抵,老公的妹妹穿的比我還像新娘跟继。我一直安慰自己,他們只是感情好镣丑,可當(dāng)我...
    茶點故事閱讀 69,223評論 6 398
  • 文/花漫 我一把揭開白布舔糖。 她就那樣靜靜地躺著,像睡著了一般莺匠。 火紅的嫁衣襯著肌膚如雪金吗。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 52,807評論 1 314
  • 那天,我揣著相機(jī)與錄音摇庙,去河邊找鬼旱物。 笑死,一個胖子當(dāng)著我的面吹牛跟匆,可吹牛的內(nèi)容都是我干的异袄。 我是一名探鬼主播,決...
    沈念sama閱讀 41,235評論 3 424
  • 文/蒼蘭香墨 我猛地睜開眼玛臂,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了封孙?” 一聲冷哼從身側(cè)響起迹冤,我...
    開封第一講書人閱讀 40,189評論 0 277
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎虎忌,沒想到半個月后泡徙,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 46,712評論 1 320
  • 正文 獨居荒郊野嶺守林人離奇死亡膜蠢,尸身上長有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...
    茶點故事閱讀 38,775評論 3 343
  • 正文 我和宋清朗相戀三年堪藐,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片挑围。...
    茶點故事閱讀 40,926評論 1 353
  • 序言:一個原本活蹦亂跳的男人離奇死亡礁竞,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出杉辙,到底是詐尸還是另有隱情模捂,我是刑警寧澤,帶...
    沈念sama閱讀 36,580評論 5 351
  • 正文 年R本政府宣布蜘矢,位于F島的核電站狂男,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏品腹。R本人自食惡果不足惜岖食,卻給世界環(huán)境...
    茶點故事閱讀 42,259評論 3 336
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望舞吭。 院中可真熱鬧泡垃,春花似錦、人聲如沸镣典。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,750評論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽兄春。三九已至澎剥,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背哑姚。 一陣腳步聲響...
    開封第一講書人閱讀 33,867評論 1 274
  • 我被黑心中介騙來泰國打工祭饭, 沒想到剛下飛機(jī)就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人叙量。 一個月前我還...
    沈念sama閱讀 49,368評論 3 379
  • 正文 我出身青樓倡蝙,卻偏偏與公主長得像,于是被迫代替她去往敵國和親绞佩。 傳聞我的和親對象是個殘疾皇子寺鸥,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 45,930評論 2 361

推薦閱讀更多精彩內(nèi)容