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、時間類型及其在python中對應的類型
時間戳–timestamp
時間間隔–timedelta
時期–period
二、時期
時期表示的是時間區(qū)間，比如數(shù)日、數(shù)月、數(shù)季、數(shù)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，這里表示從2007-01-01到2017-12-31的全年
p
Period('2007', 'A-DEC')
2.通過加減整數(shù)可以實現(xiàn)對Period的移動
p+5
Period('2012', 'A-DEC')
p-2
Period('2005', 'A-DEC')
3.如果兩個Period對象擁有相同頻率，則它們的差就是它們之間的單位數(shù)量
pd.Period('2014',freq='A-DEC') - p
4.period_range函數(shù)可用于創(chuàng)建規(guī)則的時期范圍
rng = pd.period_range('1/1/2000','6/30/2000',freq='M') #創(chuàng)建從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類的構造函數(shù)允許直接使用一組字符串表示一段時期
values = ['2001Q3','2002Q2','2003Q1'] index = pd.PeriodIndex(values,freq='Q-DEC') index
PeriodIndex(['2001Q3', '2002Q2', '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(jīng)過asfreq轉換后的結果不同
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對于頻率A-JUN是屬于2008年度的
Period('2008', 'A-JUN')
4.對于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
許多季度型數(shù)據(jù)會涉及“財年末”的概念，通常是一年12個月中某月的最后一個工作日或日歷日。因此，時間“2012Q4”根據(jù)財年末的不同會有不同的含義。pandas支持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', 'D')
p.asfreq('D','end')
Period('2012-01-31', 'D')
2.該季度倒數(shù)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','e')-1).asfreq('T','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對象轉換為以時期(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是運行重復的
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、通過數(shù)組創(chuàng)建PeriodIndex
某些數(shù)據(jù)集中時間信息是分開在多個列存放的，可以通過PeriodIndex的參數(shù)將這些列組合在一起
year = [2017,2017,2017,2017,2018,2018,2018,2018] quarter = [1,2,3,4,1,2,3,4] index = pd.PeriodIndex(year=year,quarter=quarter,freq='Q-DEC') index
PeriodIndex(['2017Q1', '2017Q2', '2017Q3', '2017Q4', '2018Q1', '2018Q2',
'2018Q3', '2018Q4'],
dtype='period[Q-DEC]', 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，也希望大家多多支持腳本之家。
相關文章
這篇文章主要介紹了Python通過kerberos安全認證操作kafka方式，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-06-06
Window10上Tensorflow的安裝(CPU和GPU版本)
這篇文章主要介紹了Window10上Tensorflow的安裝(CPU和GPU版本)，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2020-12-12
Python+OpenCV數(shù)字圖像處理之ROI區(qū)域的提取
ROI區(qū)域又叫感興趣區(qū)域。在機器視覺、圖像處理中，從被處理的圖像以方框、圓、橢圓、不規(guī)則多邊形等方式勾勒出需要處理的區(qū)域，稱為感興趣區(qū)域，ROI。本文主要為大家介紹如何通過Python+OpenCV提取ROI區(qū)域，需要的朋友可以了解一下2021-12-12
python列表中remove()函數(shù)的使用方法詳解
這篇文章主要給大家介紹了關于python列表中remove()函數(shù)的使用，以及Python列表的remove方法的注意事項,文中通過示例代碼介紹的非常詳細,需要的朋友可以參考下2021-12-12
這篇文章主要介紹了Python Web編程之WSGI協(xié)議,簡單說明了WSGI的概念、功能并結合實例形式分析了Gunicorn和uWSGI相關實現(xiàn)技巧,需要的朋友可以參考下2018-07-07
Python具有易學、易用、易擴展、可移植性強等特點，被廣泛應用于數(shù)據(jù)分析、人工智能、Web開發(fā)、自動化測試等領域。Python在使用過程中也會遇到一些常見技術問題，本文匯總Python開發(fā)中實用操作方法代碼筆記。2023-06-06
一篇文章入門Python生態(tài)系統(tǒng)(Python新手入門指導)
原文寫于2011年末，雖然文中關于Python 3的一些說法可以說已經(jīng)不成立了，但是作為一篇面向從其他語言轉型到Python的程序員來說，本文對Python的生態(tài)系統(tǒng)還是做了較為全面的介紹2015-12-12
這篇文章主要介紹了Python3實現(xiàn)的旋轉矩陣圖像算法,涉及Python3列表遍歷、切片轉換、矩陣運算等相關操作技巧,需要的朋友可以參考下2019-04-04
這篇文章主要為大家詳細介紹了python機器學習實戰(zhàn)之K均值聚類，具有一定的參考價值，感興趣的小伙伴們可以參考一下2017-12-12
這篇文章主要介紹了python如何實現(xiàn)單向鏈表及單向鏈表的反轉，幫助大家更好的理解和學習使用python，感興趣的朋友可以了解下2021-03-03