Python 的 Time Series 函数在日常数据分析中是最常应用的。任何一笔订单交易的情况，都可以转化成在时间维度的数据分布，通过这些数据点的分布，可以洞察在数据背后的用户行为特征。根据具体应用场景，Time Series一般分三类。
- Timestamps,某一个具体的时间点。
- Fixed periods, 某一段时间段，比如 the month January 2007 or the full year
- 任意的时间段，给定一个开始一个结束的时间点即可。
Date and Time
Pandas中的date和time时间序列类型，其实就是以Timestamps 为index的Series.
Paste_Image.png
from datetime import datetime,timedelta
now = datetime.now() #基本格式为 2017-06-07 10:03:06.994394
print(now)
print(now.year,now.month,now.day) # year,month,day 都可以作为一个index
delta = datetime(2011,1,7) - datetime(2008,6,24,8,15)
print(delta) ##output is 926 days, 15:45:00
print(delta.days,delta.seconds)
start = datetime(2011,1,7)
print(start + timedelta(12)) #加12天
print(start - 2*timedelta(12))#减12天
Datetime 和 string 格式的互换
1.time => str
strftime 改变时间格式,但每次需要指定格式
stamp = datetime(2011,1,3)
print(stamp)
print(stamp.strftime('%Y/%m/%d'))
2.Str => time
datetime.strptime 指定形式进行转变
datetime.strptime('2011-01-03','%Y-%m-%d')
parse 将任意时间格式，改为标准series.
from dateutil.parser import parse
print(parse('Feb 28,2016, 3pm'))
日期作为index
date=s['op_time']
print(date)
date1=pd.date_range('2017/4/1','2017/5/31') #data generation
t=list(s.gmv) #必须将series格式转换成list格式
ts=Series(t,index=date1) #将date1设为 index
print(ts)
print(type(ts)) #查看ts的类型
print(ts[ts.index[2]]) #取第二个位置的值
print(ts['2017-05']) #取5月份的值
print(ts[datetime(2017,5,20):])#取5月20日之后的值
date2 = pd.date_range(start='5/1/2017',end='6/1/2017',freq='W-MON') #从5月1日到6月1日，每周的周一
print(date2)
image.png
日期的环比和后移
date2 = pd.date_range(start='5/1/2017',end='5/31/2017',freq='W-MON') #从5月1日到6月1日，每周的周一
print(date2)
ts1=ts[date2]# ts1 为5月每周一的值
print(ts1/ts1.shift(1)-1) #周一环比增长率
from pandas.tseries.offsets import Day,MonthEnd
now=datetime(2011,11,17)
print(now+3*Day()) # 取三天后的日期
print(now+MonthEnd(1)) #取一个月后的最后一天
Period
Period表示一段时间，比如几天，几个月，几年
image.png
ss=pd.period_range('9/1/2007','6/9/2017',freq='M') #月维度，从07年9月到17年6月
print(ss)
p = pd.Period('2007',freq='A-JUN') #以6月为终点，7月为1年的开始
print(p.asfreq('M','start'))
print(p.asfreq('M','end'))
p1 = pd.Period('2012Q4',freq='Q-JAN') #以1月为一个季度的终点，那么11月1日为开始，1月31日为结束
print(p1.asfreq('D','start'))
print(p1.asfreq('D','end'))
Timestamp<=>Period
rng=pd.date_range('1/1/2000',periods=3,freq='M')
ts =Series(np.random.randn(3),index=rng)
print(ts)
pts=ts.to_period() #将日期转换成以月为单位的period
print(pts)
print(pts.to_timestamp(how='end')) #将月转换成月末最后一天
index = pd.PeriodIndex(year=data.year,quarter=data.quarter,freq='Q-DEC') #creating a periodindex from arrays
