Pandas時間序列:時期(period)及其算術運算詳解
import pandas as pd
import numpy as np
一、時間型別及其在python中對應的型別
時間戳–timestamp
時間間隔–timedelta
時期–period
二、時期
時期表示的是時間區間，比如數日、數月、數季、數年等
1.定義一個Period
p = pd.Period(2007,freq='A-DEC') #表示以12月作為結束的一整年，這裡表示從2007-01-01到2017-12-31的全年
p
Period('2007','A-DEC')
2.通過加減整數可以實現對Period的移動
p+5
Period('2012','A-DEC')
p-2
Period('2005','A-DEC')
3.如果兩個Period物件擁有相同頻率，則它們的差就是它們之間的單位數量
pd.Period('2014',freq='A-DEC') - p
4.period_range函式可用於建立規則的時期範圍
rng = pd.period_range('1/1/2000','6/30/2000',freq='M') #建立從2001-01-01到2000-06-30所有月份的Period
pd.Series(np.random.randn(6),index=rng)
2000-01 -1.125053 2000-02 1.035250 2000-03 -0.796830 2000-04 0.381285 2000-05 0.533522 2000-06 -2.733462 Freq: M,dtype: float64
5.PeriodIndex類的建構函式允許直接使用一組字串表示一段時期
values = ['2001Q3','2002Q2','2003Q1'] index = pd.PeriodIndex(values,freq='Q-DEC') index
PeriodIndex(['2001Q3','2003Q1'],dtype='period[Q-DEC]',freq='Q-DEC')
三、時期的頻率轉換-asfreq
1.通過asfreq可以將頻率轉換
p = pd.Period('2007',freq='A-DEC') # 2007年1月1日到2007年12月31日
p.asfreq('M',how='start') # 將評率為年(20070101-20071231)轉換頻率為月201701
Period('2007-01','M')
p.asfreq('M',how='end') # 將評率為年(20070101-20071231)轉換頻率為月201712
Period('2007-12','M')
2.不同頻率經過asfreq轉換後的結果不同
p = pd.Period('2007',freq='A-JUN') # 2006年7月1日到2007年6月30日
p.asfreq('D','start')
Period('2006-07-01','D')
p.asfreq('D','end')
Period('2007-06-30','D')
3.從高頻率轉換為低頻率時，超時期(較大的時期)是由子時期(較小的時期)的位置絕對的
p = pd.Period('2007-08','M')
p.asfreq('A-JUN') # 200708對於頻率A-JUN是屬於2008年度的
Period('2008','A-JUN')
4.對於PeriodIndex或TimeSeries的頻率轉換方式相同
rng = pd.period_range('2006','2009',freq='A-DEC')
ts = pd.Series(np.random.randn(len(rng)),index=rng)
ts
2006 -1.202858 2007 -1.132553 2008 0.902564 2009 0.800859 Freq: A-DEC,dtype: float64
ts.asfreq('M',how='start')
2006-01 -1.202858 2007-01 -1.132553 2008-01 0.902564 2009-01 0.800859 Freq: M,dtype: float64
ts.asfreq('B',how='end')
2006-12-29 -1.202858 2007-12-31 -1.132553 2008-12-31 0.902564 2009-12-31 0.800859 Freq: B,dtype: float64
四、按季度計算的時期頻率
許多季度型資料會涉及“財年末”的概念，通常是一年12個月中某月的最後一個工作日或日曆日。因此，時間“2012Q4”根據財年末的不同會有不同的含義。pandas支援12種可能的季度型頻率，即Q-JAN到Q-DEC。
1.財政年度和季度
p = pd.Period('2012Q4',freq='Q-JAN') # Q-JAN是指1月末的工作日是財政年末
p
Period('2012Q4','Q-JAN')
p.asfreq('D','start')
Period('2011-11-01','end')
Period('2012-01-31','D')
2.該季度倒數第二個工作日的下午4點
p4pm = (p.asfreq('B','e')-1).asfreq('T','s')+16*60
p4pm.to_timestamp()
Timestamp('2012-01-30 16:00:00')
3.相同的運算可以應用到TimeSeries
rng = pd.period_range('2011Q3','2012Q4',freq='Q-JAN')
ts = pd.Series(np.arange(len(rng)),index=rng)
ts
2011Q3 0 2011Q4 1 2012Q1 2 2012Q2 3 2012Q3 4 2012Q4 5 Freq: Q-JAN,dtype: int32
new_rng = (rng.asfreq('B','s')+16*60
ts.index = new_rng.to_timestamp()
ts
2010-10-28 16:00:00 0 2011-01-28 16:00:00 1 2011-04-28 16:00:00 2 2011-07-28 16:00:00 3 2011-10-28 16:00:00 4 2012-01-30 16:00:00 5 dtype: int32
五、Timestamp與Period互相轉換
1.通過to_period方法，可以將時間戳(timestamp)索引的Series和DataFrame物件轉換為以時期(period)索引
rng = pd.date_range('1/1/2000',periods=3,freq='M')
ts = pd.Series(np.random.randn(3),index=rng)
ts
2000-01-31 -0.501502 2000-02-29 -1.299610 2000-03-31 -0.705091 Freq: M,dtype: float64
pts = ts.to_period()
pts
2000-01 -0.501502 2000-02 -1.299610 2000-03 -0.705091 Freq: M,dtype: float64
2.將timestamp轉換為period是執行重複的
rng = pd.date_range('1/29/2000',periods=6,freq='D')
ts2 = pd.Series(np.random.randn(6),index=rng)
ts2.to_period('M')
2000-01 1.368367 2000-01 -0.256934 2000-01 0.417902 2000-02 -1.065910 2000-02 -1.694405 2000-02 0.665471 Freq: M,dtype: float64
3.to_timestamp可以將period轉換為timestamp
pts.to_timestamp(how='end')
2000-01-31 -0.501502 2000-02-29 -1.299610 2000-03-31 -0.705091 Freq: M,dtype: float64
六、通過陣列建立PeriodIndex
某些資料集中時間資訊是分開在多個列存放的，可以通過PeriodIndex的引數將這些列組合在一起
year = [2017,2017,2018,2018] quarter = [1,2,3,4,1,4] index = pd.PeriodIndex(year=year,quarter=quarter,freq='Q-DEC') index
PeriodIndex(['2017Q1','2017Q2','2017Q3','2017Q4','2018Q1','2018Q2','2018Q3','2018Q4'],freq='Q-DEC')
以上這篇Pandas時間序列:時期(period)及其算術運算詳解就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支援我們。