主要：datetime.date()、datetime.datetime()虱痕、datetime.timedelta()

日期解析方法：parser.parse

一、時間模塊 import datetime

1.datetime.date:date對象，date是datetime中的方法

(1)datetime.date.today()#today()會根據(jù)日期的變化輸出今天的日期,返回的是datetime.date類忘古，例如：想把一個月數(shù)據(jù)聚合成四周的產(chǎn)量--如果是str需要手動按照七天間隔路操，而datetime.date可以直接用來做

(2)datetime.date(2018,10,1)

2.datetime.datetime:直接生成時間戳

(1)datetime.datetime.now()#返回今天的年月日時分秒疾渴，返回的是datetime.datetime類

(2)datetime.datetime類相減得到相差的時間,返回的是datetime.timedelta時間差類

3.datetime.timedelta:時間差，默認是天

datetime.timedelta(100,3600)#時間差為100天+3600秒

4.日期和字符串轉換方法：parser.parse,可以識別任何相似于時間的字符串

from dateutil.parser import parse

print(parse('2000-11-1'))

print(parse('11/11/2000'))

print(parse('5/1/2018',dayfirst = True))#dayfirst為True可以設置日在月之前

print(parse('Jan 31,1997 10:45PM'))

#各種格式都可以判斷屯仗，但不能出現(xiàn)中文

二搞坝、pandas里的時刻數(shù)據(jù)：pd.Timestamp

1. 時刻數(shù)據(jù)代表時間點，是pd的數(shù)據(jù)類型魁袜；pd.Timestamp():時間點可以是一個月 一分鐘 一秒,直接生成pandas的時刻數(shù)據(jù)--即時間戳桩撮，類型為pandas.Timestamp

注意：只適用于單個時間

2.pd.to_datetime():多個時間數(shù)據(jù)轉換時間戳索引pandas的DatetimeIndex，單個時間數(shù)據(jù)轉換成Timestamp

t3 = ['2017-10-20','2017-10-20','2017-10-20','2017-10-20']

(1)當為多個時間數(shù)據(jù)時峰弹，返回DatetimeIndex時間序列標簽類店量，可以變成Series的index

(2)當一組時間序列中有其他格式數(shù)據(jù)，會報錯鞠呈；也可以用errors='ignore'參數(shù)返回原始輸入融师，生成一般的數(shù)組;errors='coerce'參數(shù)返回datetimeIndex，并變?yōu)槿笔е礜aT

(3)print(pd.Timestamp(t3),type(t3))#會報錯

三蚁吝、pandas時戳索引

pd.DatetimeIndex()時間戳索引：直接把時間序列變成時間戳索引

rng[0]#按照索引生成時間戳Timestamp

** TimeSeries時間序列:以DatetimeIndex的index的Series旱爆，為TimeSeries，時間序列

四窘茁、pd.date_range()日期范圍/工作日pd.bdate_range

pd.date_range(start開始時間怀伦，end結束時間，periods時期山林，freq默認頻率day房待，normalize=True把時間歸為凌晨零點)

2種生成方式：start+end or start/end+periods

例如：rng1 = pd.date_range('1/1/2017','1/10/2017')

rng2 = pd.date_range(start = '1/1/2017',periods =10,freq = 'H')#freq='H'按小時

print(pd.date_range('1/1/2017','1/11/2017',closed='right'))closed：默認為左閉右閉；left為左閉右開捌朴；right為左開右閉

注意：由于date_range返回的是DatetimeIndex類吴攒，當被list后返回的是一個個的時間戳Timestamp（pandas中精度最小的時間單位）

五、afreq：時期頻率的轉換

ts = pd.Series(np.random.rand(4),index=pd.date_range('20170101','20170104'))

print(ts.asfreq('4H',method='ffill'))#method參數(shù)：插值 ffill用之前的填充 bfill用之后的填充

六砂蔽、pd.date_range()超前和滯后

ts = pd.Series(np.random.rand(4),index=pd.date_range('20170101','20170104'))

print(ts.shift(2))#.shift(正數(shù))：向后移

print(ts.shift(-2))#.shift(負數(shù))：向前移

#意義：比如有十天的營收數(shù)據(jù)洼怔，想看當天比前一天的漲跌情況,得到的負數(shù)就是跌了，正數(shù)就是漲了

per? = ts/ts.shift(1)-1

#加上freq參數(shù)左驾，多時間戳進行位移镣隶，而不僅對數(shù)值進行位移=D按照天极谊，=T按照小時

print(ts.shift(2,freq = 'D'))、print(ts.shift(2,freq = 'T'))

七安岂、pandas的時期pd.period()

1.pd.Period() 類似于DatatimeIndex時間戳:

p = pd.Period('2017',freq='M')生成以2017-01開始轻猖，月為頻率的時間構造器；freq指明period長度域那，時間戳則說明該period在時間軸上的位置

注意：print(p+1)#按照freq進行運算

2.pd.period_range()類似于date_range()時間戳

prng = pd.period_range('1/1/2011','1/1/2013',freq='M')生成的按月 2011-01咙边，數(shù)據(jù)格式為PeriodIndex，單個數(shù)值為Period

rng = pd.date_range('1/1/2011','1/1/2013',freq='M')生成的按天2011-01-01

3.asfreq頻率轉換

p = pd.Period('2017','A-DEC')--每年制定月份的最后一個日歷日所在的年次员，變?yōu)镸/D

print(p.asfreq('M',how='start'))#how參數(shù)=start以開始败许，=end以結束 print(p.asfreq('D',how='end'))

ts2 = pd.Series(np.random.rand(len([prng])),

? ? ? ? ? ? ? index=prng.asfreq('D',how='end'))#asfreq也可以轉換TimeSeries的index

4.時間戳DatatimeIndex與時期Period的轉換：pd.to_period()/pd.timestamp()

ts1.to_period()、ts2.to_timestamp()

八淑蔚、時間序列的重采樣

將時間序列的一個頻率轉換成另一個頻率市殷，且會有數(shù)據(jù)的結合

降采樣：高頻數(shù)據(jù)-低頻數(shù)據(jù)，eg以天為頻率的數(shù)據(jù)轉換為以月為頻率的數(shù)據(jù)

升采樣：低頻數(shù)據(jù)-高頻數(shù)據(jù)刹衫，eg以年為頻率的數(shù)據(jù)轉換為以月為頻率的數(shù)據(jù)?

1.降采樣：需要聚合

ts.resample('5D') #得到重采樣的構建器DatetimeIndexResampler醋寝，是個中間值，需要指示聚合方式带迟，頻率為5天

ts_re2 = ts.resample('5D',closed='left',label='right').sum()#重采樣的最終值音羞，得到聚合后的Series;

label：重采樣后以那個標簽為索引，默認寫left邮旷；closed:默認左閉右閉

聚合方法：

print(ts.resample('5D').sum())#均值

print(ts.resample('5D').max())#最大值

print(ts.resample('5D').min())#最小值

print(ts.resample('5D').median())#中值

print(ts.resample('5D').first())#第一個值

print(ts.resample('5D').last())#第二個值

print(ts.resample('5D').ohlc())#OHLC重采樣：open開盤 high最大值 low最小值 close收盤-金融

2.升采樣：需要填充

ts.resample('15T').asfreq() #不做填充黄选，返回NaN

ts.resample('15T').ffill()/bfill():上填充和下填充

九蝇摸、時間序列中的索引和切片

1.索引:方法與DataFrame和Series相似--只要能表示時間的都可以拿來做標簽的索引下標索引和標簽索引

2.切片：下標切片婶肩，類似Series，左閉右開貌夕；標簽切片律歼，左閉右閉；#標簽切片只寫月會出現(xiàn)月的所有日

3.重復索引的時間序列 .is_unique值是否唯一啡专，index.is_unique判斷index是否唯一,返回True和False险毁，可以用來做布爾型索引

總結：pandas的時間模塊

pd.Timestamp():單數(shù)據(jù)時間戳

pd.to_datetime():多數(shù)據(jù)的時間戳

pd.DatatimeIndex():多數(shù)據(jù)的時間戳，可以作為Series的index们童；還可以索引

在沒有現(xiàn)成時間數(shù)據(jù)情況下：pd.date_range()日期范圍

附：pd.date_range():日期范圍一講畔况，頻率freq

# print(pd.date_range('2017/1/1','2017/1/4'))#默認freq='D',每日歷日

# print(pd.date_range('2017/1/1','2017/1/4',freq='B'))#freq='B',每工作日

# print(pd.date_range('2017/1/1','2017/1/4',freq='H'))#freq='H',每小時

# print(pd.date_range('2017/1/1 12:00','2017/1/4 12:10',freq='T'))#freq='T/MIN',每分鐘

# print(pd.date_range('2017/1/1 12:00:00','2017/1/4 12:10:10',freq='S'))#freq='S',每秒

# print(pd.date_range('2017/1/1 12:00','2017/1/4 12:10',freq='L'))#freq='L',每毫秒

# print(pd.date_range('2017/1/1 12:00','2017/1/4 12:10',freq='U'))#freq='U',每微秒

print(pd.date_range('2017/1/1','2017/1/4',freq='W-MON'))

# W-MON從指定星期幾開始算起，每周

print(pd.date_range('2017/1/1','2018/1/4',freq='WOM-2MON'))

# WOM-nMON,每月的第幾個星期幾開始算

# 時間序列：DatimeIndex與TimeSeries

pd.date_range()-日期范圍二講慧库，頻率

print(pd.date_range('2017','2018',freq='M'))

print(pd.date_range('2017','2020',freq='Q-MAY'))

print(pd.date_range('2017','2018',freq='A-DEC'))

print('--'*20)

#M：每月最后一個日歷日

#Q-月：指定月為季度末跷跪，每個季度末最后一月的最后一個日歷日

#A-月：每年制定月份的最后一個日歷日

#月編寫：JAN

#所以Q-月只有三種情況：1-4-7-10，2-5-8-11齐板，3-6-9-12

print(pd.date_range('2017','2018', freq = 'BM'))?

print(pd.date_range('2017','2020', freq = 'BQ-DEC'))?

print(pd.date_range('2017','2020', freq = 'BA-DEC'))

print('------')

# BM：每月最后一個工作日

# BQ-月：指定月為季度末吵瞻，每個季度末最后一月的最后一個工作日

# BA-月：每年指定月份的最后一個工作日

print(pd.date_range('2017','2018', freq = 'MS'))?

print(pd.date_range('2017','2020', freq = 'QS-DEC'))?

print(pd.date_range('2017','2020', freq = 'AS-DEC'))

print('------')

# M：每月第一個日歷日

# Q-月：指定月為季度末葛菇，每個季度末最后一月的第一個日歷日

# A-月：每年指定月份的第一個日歷日

print(pd.date_range('2017','2018', freq = 'BMS'))?

print(pd.date_range('2017','2020', freq = 'BQS-DEC'))?

print(pd.date_range('2017','2020', freq = 'BAS-DEC'))

print('------')

# BM：每月第一個工作日a

# BQ-月：指定月為季度末，每個季度末最后一月的第一個工作日

# BA-月：每年指定月份的第一個工作日

pd.date_range()-日期范圍橡羞，復合頻率

print(pd.date_range('2017/1/1','2017/2/1',freq='7D'))# 7天

print(pd.date_range('2017/1/1','2017/2/1',freq='2h30min'))# 2.5小時

print(pd.date_range('2017/1/1','2018/2/1',freq='2MS'))#每間隔2個月眯停，每月第一個日歷日