Pandas时间序列:时期(period)及其算术运算详解
importpandasaspd
importnumpyasnp
一、时间类型及其在python中对应的类型
时间戳–timestamp
时间间隔–timedelta
时期–period
二、时期
时期表示的是时间区间，比如数日、数月、数季、数年等
1.定义一个Period
p=pd.Period(2007,freq='A-DEC')#表示以12月作为结束的一整年，这里表示从2007-01-01到2017-12-31的全年
p
Period('2007','A-DEC')
2.通过加减整数可以实现对Period的移动
p+5
Period('2012','A-DEC')
p-2
Period('2005','A-DEC')
3.如果两个Period对象拥有相同频率，则它们的差就是它们之间的单位数量
pd.Period('2014',freq='A-DEC')-p
4.period_range函数可用于创建规则的时期范围
rng=pd.period_range('1/1/2000','6/30/2000',freq='M')#创建从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 2000-021.035250 2000-03-0.796830 2000-040.381285 2000-050.533522 2000-06-2.733462 Freq:M,dtype:float64
5.PeriodIndex类的构造函数允许直接使用一组字符串表示一段时期
values=['2001Q3','2002Q2','2003Q1'] index=pd.PeriodIndex(values,freq='Q-DEC') index
PeriodIndex(['2001Q3','2002Q2','2003Q1'],dtype='period[Q-DEC]',freq='Q-DEC')
三、时期的频率转换-asfreq
1.通过asfreq可以将频率转换
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')#将评率为年(20070101-20071231)转换频率为月201701
Period('2007-01','M')
p.asfreq('M',how='end')#将评率为年(20070101-20071231)转换频率为月201712
Period('2007-12','M')
2.不同频率经过asfreq转换后的结果不同
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.从高频率转换为低频率时，超时期(较大的时期)是由子时期(较小的时期)的位置绝对的
p=pd.Period('2007-08','M')
p.asfreq('A-JUN')#200708对于频率A-JUN是属于2008年度的
Period('2008','A-JUN')
4.对于PeriodIndex或TimeSeries的频率转换方式相同
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 20080.902564 20090.800859 Freq:A-DEC,dtype:float64
ts.asfreq('M',how='start')
2006-01-1.202858 2007-01-1.132553 2008-010.902564 2009-010.800859 Freq:M,dtype:float64
ts.asfreq('B',how='end')
2006-12-29-1.202858 2007-12-31-1.132553 2008-12-310.902564 2009-12-310.800859 Freq:B,dtype:float64
四、按季度计算的时期频率
许多季度型数据会涉及“财年末”的概念，通常是一年12个月中某月的最后一个工作日或日历日。因此，时间“2012Q4”根据财年末的不同会有不同的含义。pandas支持12种可能的季度型频率，即Q-JAN到Q-DEC。
1.财政年度和季度
p=pd.Period('2012Q4',freq='Q-JAN')#Q-JAN是指1月末的工作日是财政年末
p
Period('2012Q4','Q-JAN')
p.asfreq('D','start')
Period('2011-11-01','D')
p.asfreq('D','end')
Period('2012-01-31','D')
2.该季度倒数第二个工作日的下午4点
p4pm=(p.asfreq('B','e')-1).asfreq('T','s')+16*60
p4pm.to_timestamp()
Timestamp('2012-01-3016:00:00')
3.相同的运算可以应用到TimeSeries
rng=pd.period_range('2011Q3','2012Q4',freq='Q-JAN')
ts=pd.Series(np.arange(len(rng)),index=rng)
ts
2011Q30 2011Q41 2012Q12 2012Q23 2012Q34 2012Q45 Freq:Q-JAN,dtype:int32
new_rng=(rng.asfreq('B','e')-1).asfreq('T','s')+16*60
ts.index=new_rng.to_timestamp()
ts
2010-10-2816:00:000 2011-01-2816:00:001 2011-04-2816:00:002 2011-07-2816:00:003 2011-10-2816:00:004 2012-01-3016:00:005 dtype:int32
五、Timestamp与Period互相转换
1.通过to_period方法，可以将时间戳(timestamp)索引的Series和DataFrame对象转换为以时期(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.将timestamp转换为period是运行重复的
rng=pd.date_range('1/29/2000',periods=6,freq='D')
ts2=pd.Series(np.random.randn(6),index=rng)
ts2.to_period('M')
2000-011.368367 2000-01-0.256934 2000-010.417902 2000-02-1.065910 2000-02-1.694405 2000-020.665471 Freq:M,dtype:float64
3.to_timestamp可以将period转换为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、通过数组创建PeriodIndex
某些数据集中时间信息是分开在多个列存放的，可以通过PeriodIndex的参数将这些列组合在一起
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')
以上这篇Pandas时间序列:时期(period)及其算术运算详解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。