在使用Python進行數據分析時，經常會遇到時間日期格式處理、轉換和時間索引，Pandas作為Python環境下的數據分析庫，提供了一套標準的時間序列處理工具和算法，使我們可以非常高效的處理時間序列，比如切片、聚合、重采樣等等。這些強大的日期數據處理功能，是處理日期時間序列的利器。

　　pandas 支持 4 種常見時間概念：

　　> 1. 日期時間(Datetime)：帶時區的日期時間，類似于標準庫的 `datetime.datetime` 。

　　> 2. 時間差(Timedelta)：絕對時間周期，類似于標準庫的 `datetime.timedelta`。

　　> 3. 時間段(Timespan)：在某一時點以指定頻率定義的時間跨度。

　　> 4. 日期偏移(Dateoffset)：與日歷運算對應的時間段，類似于 `dateutil` 的 `dateutil.relativedelta.relativedelta`。

　　一般情況下，時間序列主要是 Series 或 DataFrame的時間型索引，可以用時間元素進行操控。

　　時間戳

　　時間戳是最基本的時間序列數據，用于把數值與時點關聯在一起。Pandas 對象通過時間戳調用時點數據。

　　時間戳的創建

　　在pandas中提供了Timestamp()可以用于創建一個時間戳對象。

　　import datetime

　　import pandas as pd

　　# 三種方式

　　pd.Timestamp(datetime.datetime(2021, 8, 16)) # 結果： Timestamp('2021-08-16 00:00:00')

　　pd.Timestamp(2021, 8, 16) # 結果： Timestamp('2021-08-16 00:00:00')

　　pd.Timestamp('2021-08-16') # 結果： Timestamp('2021-08-16 00:00:00')

　　to_datetime()轉換得到時間戳

　　import pandas as pd

　　pd.to_datetime('2021/08/08') # 結果：Timestamp('2021-08-08 00:00:00')

　　to_datetime` 轉換單個字符串時，返回的是單個 `Timestamp`。`Timestamp` 僅支持字符串輸入，不支持 `dayfirst`、`format` 等字符串解析選項，如果要使用這些選項，就要用 `to_datetime`。

　　要實現精準轉換，除了傳遞 `datetime` 字符串，還要指定 `format` 參數，指定此參數還可以加速轉換速度。

　　pd.to_datetime('2021/08/08', format='%Y/%m/%d')

　　pd.to_datetime('08-08-2021 00:00', format='%d-%m-%Y %H:%M')

　　返回結果也是一個`Timestamp`類型。當然如果不可解析則出發錯誤

　　pd.to_datetime(['2021/08/31', 'abc'], errors='raise') # 報錯ValueError: Unknown string format

　　轉換多個時間序列

　　import pandas as pd

　　pd.to_datetime(pd.Series(["Aug 16, 2021", "2021-08-17", None]))

　　結果(其中Pandas 用 `NaT` 表示日期時間、時間差及時間段的空值，代表了缺失日期或空日期的值，類似于浮點數的 `np.nan`)

　　0 2021-08-16

　　1 2021-08-17

　　2 NaT

　　dtype: datetime64[ns]

　　當然也可以使用如下方式：

　　pd.to_datetime(["2021/08/16", "2021.08.17"]) #也可以轉成時間戳的格式

　　返回結果與上面的有所不同，返回值不是一個序列而是一個DatetimeIndex類型

　　DatetimeIndex(['2021-08-16', '2021-08-17'], dtype='datetime64[ns]', freq=None)

　　date_range()獲取時間戳范圍

　　實際工作中，經常要生成含大量時間戳的超長索引，一個個輸入時間戳又枯燥，又低效。如果時間戳是定頻的，用 `date_range()`與 `bdate_range()`函數即可創建 `DatetimeIndex`。`date_range` 默認的頻率是**日歷日**，`bdate_range` 的默認頻率是**工作日

　　pd.date_range(start=None,end=None,periods=None,freq=None)

　　Return a fixed frequency DatetimeIndex.

　　start：表示起始

　　end：表示結尾

　　periods：表示時間段

　　freq：表示有倍數的頻率字符串，e.g. '5H'.

　　pd.date_range("2021-8-8", periods=8) # 表示從2021-8-8開始到現在日期的8個時間

　　輸出結果：

　　DatetimeIndex(['2021-08-08', '2021-08-09', '2021-08-10', '2021-08-11',

　　'2021-08-12', '2021-08-13', '2021-08-14', '2021-08-15'],

　　dtype='datetime64[ns]', freq='D')

　　如果使用bdate_range()則獲取的日期是工作日的日期時間

　　pd.bdate_range("2021-8-8", periods=8)

　　結果：

　　DatetimeIndex(['2021-08-09', '2021-08-10', '2021-08-11', '2021-08-12',

　　'2021-08-13', '2021-08-16', '2021-08-17', '2021-08-18'],

　　dtype='datetime64[ns]', freq='B')

　　如果指定freq，date_range 默認使用的頻率是 日歷日即`D`,也可以通過freq修改成周的。

　　pd.date_range("2021-8-8", periods=8, freq="W")

　　輸出結果下：

　　DatetimeIndex(['2021-08-08', '2021-08-15', '2021-08-22', '2021-08-29',

　　'2021-09-05', '2021-09-12', '2021-09-19', '2021-09-26'],

　　dtype='datetime64[ns]', freq='W-SUN')

　　時間序列的頻率表：

　　時間段

　　時間段的創建

　　pandas提供了`Period`類型，它是基于`numpy.datetime64`編碼的固定頻率間隔。與之相關的索引類型是`PeriodIndex`。`Period` 表示的時間段更直觀，還可以用日期時間格式的字符串進行推斷。默認是月`M`，也可以是天`D`

　　pd.Period('2021-08')

　　pd.Period('2021-05', freq='D')

　　返回：

　　Period('2021-08', 'M')

　　Period('2021-05-01', 'D')

　　時間段的范圍創建

　　pd.period_range('2020-08',periods=5,freq='M')

　　pd.period_range('2020-08',periods=5,freq='D')

　　結果是時間段序列：

　　PeriodIndex(['2020-08', '2020-09', '2020-10', '2020-11', '2020-12'], dtype='period[M]', freq='M')

　　PeriodIndex(['2020-08-01', '2020-08-02', '2020-08-03', '2020-08-04',

　　'2020-08-05'],

　　dtype='period[D]', freq='D')

　　Pandas 可以識別兩種表現形式，并在兩者之間進行轉化。Pandas 后臺用 `Timestamp` 實例代表時間戳，用 `DatetimeIndex` 實例代表時間戳序列。pandas 用 `Period` 對象表示符合規律的時間段標量值，用 `PeriodIndex` 表示時間段序列。

　　時間索引

　　`DatetimeIndex` 主要用作 pandas 對象的索引。`DatetimeIndex` 類為時間序列做了很多優化：

　　1. 預計算了各種偏移量的日期范圍，并在后臺緩存，讓后臺生成后續日期范圍的速度非常快(僅需抓取切片)。

　　2. 在 pandas 對象上使用 `shift` 與 `tshift` 方法進行快速偏移。

　　3. 合并具有相同頻率的重疊 `DatetimeIndex` 對象的速度非常快(這點對快速數據對齊非常重要)。

　　4. 通過 `year`、`month` 等屬性快速訪問日期字段。

　　5. `snap` 等正則函數與超快的 `asof` 邏輯

　　DatetimeIndex` 可以當作常規索引，支持選擇、切片等方法。

　　index = pd.date_range('2020-12-01','2021-10-01' , freq='BM') # 指定范圍內的每個月的最后一個工作日

　　ts = pd.Series(np.random.randn(len(index)), index=index)

　　輸出結果：

　　2020-12-31 -0.351660

　　2021-01-29 0.358744

　　2021-02-26 0.746602

　　2021-03-31 0.178684

　　2021-04-30 -0.408984

　　2021-05-31 0.117038

　　2021-06-30 0.661603

　　2021-07-30 0.655608

　　2021-08-31 -0.207675

　　2021-09-30 -0.023105

　　Freq: BM, dtype: float64

　　可以支持獲取index和索引切片

　　display(ts.index)

　　display(ts[:4].index)

　　display(ts[::2].index)

　　輸出結果：

　　DatetimeIndex(['2020-12-31', '2021-01-29', '2021-02-26', '2021-03-31',

　　'2021-04-30', '2021-05-31', '2021-06-30', '2021-07-30',

　　'2021-08-31', '2021-09-30'],

　　dtype='datetime64[ns]', freq='BM')

　　DatetimeIndex(['2020-12-31', '2021-01-29', '2021-02-26', '2021-03-31'], dtype='datetime64[ns]', freq='BM')

　　DatetimeIndex(['2020-12-31', '2021-02-26', '2021-04-30', '2021-06-30',

　　'2021-08-31'],

　　dtype='datetime64[ns]', freq='2BM')

　　當然也可以按照年、月、日獲取時間索引，或者獲取所有的索引的年月等

　　display(ts['2020'])

　　display(ts['2021-06'])

　　display(ts['2020-12':'2021-05'])

　　display(ts.index.year)

　　2020-12-31 -0.35166

　　Freq: BM, dtype: float64

　　2021-06-30 0.661603

　　Freq: BM, dtype: float64

　　2020-12-31 -0.351660

　　2021-01-29 0.358744

　　2021-02-26 0.746602

　　2021-03-31 0.178684

　　2021-04-30 -0.408984

　　2021-05-31 0.117038

　　Freq: BM, dtype: float64

　　Int64Index([2020, 2021, 2021, 2021, 2021, 2021, 2021, 2021, 2021, 2021], dtype='int64')

　　當然，`Series` 的值為 `datetime` 時，還可以用 `.dt` 訪問這些屬性。

　　df = pd.DataFrame(np.random.randn(10000, 2),columns=['A','B'])

　　df['datetime'] = pd.date_range('20180101', periods=10000, freq='H')

　　df

　　輸出結果：

　　此時可以通過datetime列獲取年月日時分秒等

　　df['datetime'].dt.year

　　# df['datetime'].dt.month

　　# df['datetime'].dt.day

　　dt的屬性如下表：

　　時間差

　　使用pandas中的Timedelta()函數表示時間差，這個方法與Python基礎中datetime.timedelta是等效的可以互換的在大多數情況下。

　　以時間差為數據的 `Series` 與 `DataFrame` 支持各種運算，`datetime64 [ns]` 序列或 `Timestamps` 減法運算生成的是`timedelta64 [ns]` 序列

　　直接使用符號獲取時間差

　　pd.to_datetime('2021-8-14') - pd.to_datetime('2021-6-1')

　　返回值就是一個Timedelta類型的

　　Timedelta('74 days 00:00:00')

　　如果想在當前的日期前三天或者后5天的值，則需要創建時間差對象

　　from datetime import datetime

　　delta = pd.Timedelta('3 days')

　　display(datetime.now()-delta)

　　delta1 = pd.Timedelta('30 days')

　　display(datetime.now()+delta1)

　　輸出結果(默認是ns作為單位)：

　　datetime.datetime(2021, 8, 14, 15, 21, 9, 875792)

　　datetime.datetime(2021, 9, 16, 15, 21, 9, 877299)

　　創建Timedelta()可以支持的unit參數值

　　delta1 = pd.Timedelta(5,unit='W') # 表示5周后的時間

　　display(datetime.now()+delta1)

　　簡單應用：獲取1998-12-20到現在的年齡

　　age = (datetime.now()- pd.to_datetime('1998-12-20')) / pd.Timedelta(days=365)

　　print(age)

　　結果：

　　22.675737040520104

　　時間偏移

　　`DateOffset` 類似于時間差 `Timedelta` ，但遵循指定的日歷日規則。例如，`Timedelta` 表示的每日時間差一直都是 24 小時，而 `DateOffset` 的每日偏移量則是與下一天相同的時間差，使用夏時制時，每日偏移時間有可能是 23 或 24 小時，甚至還有可能是 25 小時。不過，`DateOffset` 子類只能是等于或小于**小時**的時間單位(`Hour`、`Minute`、`Second`、`Milli`、`Micro`、`Nano`)，操作類似于 `Timedelta`及對應的絕對時間。

　　DateOffset` 基礎操作類似于 `dateutil.relativedelta`可按指定的日歷日時間段偏移日期時間。

　　ts = pd.Timestamp('2016-10-30 00:00:00', tz='Europe/Helsinki') # 其中 tz='Europe/Helsinki'表示夏時制時區

　　display(ts + pd.Timedelta(days=1))

　　display(ts + pd.DateOffset(days=1))

　　輸出結果：

　　Timestamp('2016-10-30 23:00:00+0200', tz='Europe/Helsinki')

　　Timestamp('2016-10-31 00:00:00+0200', tz='Europe/Helsinki')

　　`DateOffset`可用算數運算符(+)或 `apply` 方法執行日期偏移操作。

　　d = pd.Timestamp('2021-08-15')

　　two_business_days = 2 * pd.offsets.BDay() # BDay()表示工作日

　　two_business_days.apply(d) # Timestamp('2021-08-17 00:00:00')

　　`DateOffset` 還支持 `rollforward()` 與 `rollback()` 方法，按偏移量把某一日期**向前**或**向后**移動至有效偏移日期。例如，工作日偏移滾動日期時會跳過周末(即，星期六與星期日)，直接到星期一，因為工作日偏移針對的是工作日。

　　可以為 `Series` 或 `DatetimeIndex` 里的每個元素應用偏移。

　　rng = pd.date_range('2021-01-01', '2021-08-16')

　　s = pd.Series(rng)

　　s + pd.DateOffset(days=2) # 或者使用s+pd.offsets.Day(2)

　　輸出結果：

　　0 2021-01-03

　　1 2021-01-04

　　2 2021-01-05

　　3 2021-01-06

　　4 2021-01-07

　　223 2021-08-14

　　224 2021-08-15

　　225 2021-08-16

　　226 2021-08-17

　　227 2021-08-18

　　Length: 228, dtype: datetime64[ns]

　　與時間序列相關的方法

　　在做時間序列相關的工作時，經常要對時間做一些移動/滯后、頻率轉換、采樣等相關操作，我們來看下這些操作如何使用吧。

　　移動

　　如果你想移動或滯后時間序列，你可以使用 shift 方法。

　　ts = pd.Series(np.random.randn(4), index = pd.date_range('2012-01-01',periods =4, freq ='M'))

　　print(ts)

　　2012-01-31 1.132395

　　2012-02-29 0.740404

　　2012-03-31 0.154164

　　2012-04-30 -0.487571

　　Freq: M, dtype: float64

　　print(ts.shift(2)) #將數據往后移動， 往前移動則為 ts.shift(-2)

　　2012-01-31 NaN

　　2012-02-29 NaN

　　2012-03-31 1.132395

　　2012-04-30 0.740404

　　Freq: M, dtype: float64

　　當然也可以結合頻度

　　print(ts.shift(2, freq='M')) # 此時時間增加了2個月

　　結果：

　　2012-03-31 1.132395

　　2012-04-30 0.740404

　　2012-05-31 0.154164

　　2012-06-30 -0.487571

　　Freq: M, dtype: float64

　　改變頻率

　　使用函數 `asfreq()`。對于 `DatetimeIndex`，這就是一個調用 `reindex()`，并生成 `date_range` 的便捷打包器。

　　from pandas.tseries.offsets import *

　　ts = pd.Series(np.random.randn(2), index = pd.date_range('2021-06-01',periods =2, freq ='w'))

　　ts.asfreq(Day())

　　結果(即原來是周顯示，現在將頻率由周轉為了天)：

　　2021-06-06 0.362032

　　2021-06-07 NaN

　　2021-06-08 NaN

　　2021-06-09 NaN

　　2021-06-10 NaN

　　2021-06-11 NaN

　　2021-06-12 NaN

　　2021-06-13 -1.720824

　　Freq: D, dtype: float64

　　你會發現出現了缺失值，因此 Pandas 為你提供了 method 參數來填充缺失值。幾種不同的填充方法參考 Pandas 缺失值處理 中 fillna 介紹

　　ts.asfreq(Day(), method="pad") # 即使用0.362032填充了NaN的值

　　結果：

　　2021-06-06 0.362032

　　2021-06-07 0.362032

　　2021-06-08 0.362032

　　2021-06-09 0.362032

　　2021-06-10 0.362032

　　2021-06-11 0.362032

　　2021-06-12 0.362032

　　2021-06-13 -1.720824

　　Freq: D, dtype: float64

　　重采樣

　　Pandas 有一個雖然簡單，但卻強大、高效的功能，可在頻率轉換時執行重采樣，如，將秒數據轉換為 5 分鐘數據，這種操作在金融等領域里的應用非常廣泛。

　　重采樣(resampling)指的是將時間序列從一個頻率轉換到另一個頻率的處理過程。將高頻數據聚合到低頻稱為降采樣(downsampling)，將低頻數據轉換到高頻則稱為升采樣(upsampling)。除此以外還存在一種采樣方式既不是升采樣，也不是降采樣，比如`W-WED`轉換成`W-FRI`。

　　可以通過`resample()`函數來實現，也可以通過更簡單的方式`asfreq()`函數來實現。兩者基本的不同點在于`resample()`是一種數據聚合方式`asfreq()`是一種數據選取方式。

　　resample() 是基于時間的分組操作，每個組都遵循歸納方法。可以按照分鐘、小時、工作日、周、月、年等來作為日期維度

　　# 獲取7月1日到7月31日的時間區間

　　rng = pd.date_range(start='2021/07/1',end='2021/07/31',freq='D')

　　# 使用此時間區間構建一個Series對象

　　ts = pd.Series(np.random.randint(0, 500, len(rng)), index=rng)

　　# 獲取此Series對象每5天的數據總和

　　ts.resample('5D').sum()

　　案例演示

　　AAPL = pd.read_csv('AAPL.csv')

　　AAPL.Date = pd.to_datetime(AAPL.Date)

　　AAPL.head()

　　AAPL['month'] = AAPL.Date.dt.month

　　AAPL.groupby('month')['Adj Close'].mean() # 每個月份的Adj Close的均值

　　AAPL.set_index('Date').resample('Y')['Adj Close'].mean() # 獲取每年的Adj Close的均值

　　如果使用resample進行重采樣，獲取日期每十年`Adj Close`的均值

　　AAPL.set_index('Date').resample('10Y')['Adj Close'].mean()

　　AAPL.csv數據回復`時間序列重采樣`獲取

　　更多關于“Python培訓”的問題，歡迎咨詢千鋒教育在線名師。千鋒教育多年辦學，課程大綱緊跟企業需求，更科學更嚴謹，每年培養泛IT人才近2萬人。不論你是零基礎還是想提升，都可以找到適合的班型，千鋒教育隨時歡迎你來試聽。