Pandas必备技能之“时间序列数据处理”

时间序列数据Time Series Data是在不同时间上收集到的数据，这类数据是按时间顺序收集到的，用于所描述现象随时间变化的情况。

时间序列分析广泛应用于计量经济学模型中，通过寻找历史数据中某一现象的发展规律，对未来进行预测。

时间序列数据作为时间序列分析的基础，学会如何对它进行巧妙地处理是非常必要的，Python中的Pandas库为我们提供了强大的时间序列数据处理的方法，本文会介绍其中常用的几个。

【工具】

• Python 3
• Tushare

01、时间格式转换

有时候，我们获得的原始数据并不是按照时间类型索引进行排列的，需要先进行时间格式的转换，为后续的操作和分析做准备。

这里介绍两种方法。第一种方法是用pandas.read_csv导入文件的时候，通过设置参数parse_dates和index_col，直接对日期列进行转换，并将其设置为索引。关于参数的详细解释，请查看文档【1】。

如下示例中，在没有设置参数之前，可以观察到数据集中的索引是数字0-208，'date'列的数据类型也不是日期。

In [8]: data = pd.read_csv('unemployment.csv') 
In [9]: data.info() 
<class 'pandas.core.frame.DataFrame'> 
RangeIndex: 209 entries, 0 to 208 
Data columns (total 2 columns): 
date      209 non-null object 
UNRATE    209 non-null float64 
dtypes: float64(1), object(1) 
memory usage: 3.3+ KB 

设置参数parse_dates = ['date'] ，将数据类型转换成日期，再设置 index_col = 'date'，将这一列用作索引，结果如下。

In [11]: data = pd.read_csv('unemployment.csv', parse_dates=['date'], index_col='date') 
 
In [12]: data.info() 
<class 'pandas.core.frame.DataFrame'> 
DatetimeIndex: 209 entries, 2000-01-01 to 2017-05-01 
Data columns (total 1 columns): 
UNRATE    209 non-null float64 
dtypes: float64(1) 
memory usage: 13.3 KB 

这时，索引变成了日期'20000101'-'2017-05-01'，数据类型是datetime。

第二种方法是在已经导入数据的情况下，用pd.to_datetime()【2】将列转换成日期类型，再用 df.set_index()【3】将其设置为索引，完成转换。

以tushare.pro上面的日线行情数据为例，我们把'trade_date'列转换成日期类型，并设置成索引。

import tushare as ts 
import pandas as pd 
 
pd.set_option('expand_frame_repr', False)  # 列太多时不换行 
pro = ts.pro_api() 
 
df = pro.daily(ts_code='000001.SZ', start_date='20180701', end_date='20180718') 
 
df.info() 
 
<class 'pandas.core.frame.DataFrame'> 
RangeIndex: 13 entries, 0 to 12 
Data columns (total 11 columns): 
ts_code       13 non-null object 
trade_date    13 non-null object 
open          13 non-null float64 
high          13 non-null float64 
low           13 non-null float64 
close         13 non-null float64 
pre_close     13 non-null float64 
change        13 non-null float64 
pct_chg       13 non-null float64 
vol           13 non-null float64 
amount        13 non-null float64 
dtypes: float64(9), object(2) 
memory usage: 1.2+ KB 
None 
 
 
df['trade_date'] = pd.to_datetime(df['trade_date']) 
df.set_index('trade_date', inplace=True) 
df.sort_values('trade_date', ascending=True, inplace=True)  # 升序排列 
 
df.info() 
 
<class 'pandas.core.frame.DataFrame'> 
DatetimeIndex: 13 entries, 2018-07-02 to 2018-07-18 
Data columns (total 10 columns): 
ts_code      13 non-null object 
open         13 non-null float64 
high         13 non-null float64 
low          13 non-null float64 
close        13 non-null float64 
pre_close    13 non-null float64 
change       13 non-null float64 
pct_chg      13 non-null float64 
vol          13 non-null float64 
amount       13 non-null float64 
dtypes: float64(9), object(1) 
memory usage: 1.1+ KB 

（编辑：泰州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!