Pandas 时间序列

Time series数据被定义为重要的信息来源，该信息提供了可用于各种业务的策略。

Time series预测是一种处理Time series数据的机器学习模型，用于通过Time series建模预测未来值。

Pandas具有与所有域的Time series数据一起使用的广泛函数。通过使用NumPy datetime64 和 timedelta64 dtypes。 Pandas整合了与其他Python库(如 scikits.timeseries )不同的函数，并创建了大量用于处理Time series数据的新函数。

导入包和数据

开始之前，您必须导入一些使用 numpy，pandas，matplotlib，和 seaborn 的软件包。

您可以通过在代码中添加％matplotlib inline 来附加要在Jupyter Notebook中绘制的图像，也可以使用 sns.set()切换到Seaborn默认设置:

# import packages
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline
sns.set()

日期和时间

Pandas提供了日期，时间，增量和时间跨度的函数。它主要用于数据科学应用。

datetime 模块中有两个可用的本地日期和时间。通过使用 dateutil 函数，无涯教程还可以在日期和时间上执行许多有用的函数。您还可以使用多种字符串格式解析日期:

范例1:

import pandas as pd   
# Create the dates with frequency   
info = pd.date_range('5/4/2013', periods = 8, freq ='S')   
info

输出:

DatetimeIndex(['2013-05-04 00:00:00', '2013-05-04 00:00:01',
               '2013-05-04 00:00:02', '2013-05-04 00:00:03',
               '2013-05-04 00:00:04', '2013-05-04 00:00:05',
               '2013-05-04 00:00:06', '2013-05-04 00:00:07'],
              dtype='datetime64[ns]', freq='S')

范例2:

import pandas as pd 
# 创建时间戳
p = pd.Timestamp('2018-12-12 06:25:18') 
# 创建 DateOffset
do = pd.tseries.offsets.DateOffset(n = 2) 
# 打印时间戳
print(p) 
# 打印 DateOffset
print(do)

输出:

2018-12-12 06:25:18