11.2 时间序列基础

pandas最基本的时间序列类型就是以时间戳（通常以Python字符串或datatime对象表示）为索引的Series：

  1. In [39]: from datetime import datetime
  3. In [40]: dates = [datetime(2011, 1, 2), datetime(2011, 1, 5),
  4.    ....:          datetime(2011, 1, 7), datetime(2011, 1, 8),
  5.    ....:          datetime(2011, 1, 10), datetime(2011, 1, 12)]
  7. In [41]: ts = pd.Series(np.random.randn(6), index=dates)
  9. In [42]: ts
  10. Out[42]: 
  11. 2011-01-02   -0.204708
  12. 2011-01-05    0.478943
  13. 2011-01-07   -0.519439
  14. 2011-01-08   -0.555730
  15. 2011-01-10    1.965781
  16. 2011-01-12    1.393406
  17. dtype: float64

这些datetime对象实际上是被放在一个DatetimeIndex中的：

  1. In [43]: ts.index
  2. Out[43]: 
  3. DatetimeIndex(['2011-01-02', '2011-01-05', '2011-01-07', '2011-01-08',
  4.                '2011-01-10', '2011-01-12'],
  5.               dtype='datetime64[ns]', freq=None)

跟其他Series一样，不同索引的时间序列之间的算术运算会自动按日期对齐：

  1. In [44]: ts + ts[::2]
  2. Out[44]: 
  3. 2011-01-02   -0.409415
  4. 2011-01-05         NaN
  5. 2011-01-07   -1.038877
  6. 2011-01-08         NaN
  7. 2011-01-10    3.931561
  8. 2011-01-12         NaN
  9. dtype: float64

ts[::2] 是每隔两个取一个。

pandas用NumPy的datetime64数据类型以纳秒形式存储时间戳：

  1. In [45]: ts.index.dtype
  2. Out[45]: dtype('<M8[ns]')

DatetimeIndex中的各个标量值是pandas的Timestamp对象：

  1. In [46]: stamp = ts.index[0]
  3. In [47]: stamp
  4. Out[47]: Timestamp('2011-01-02 00:00:00')

只要有需要，TimeStamp可以随时自动转换为datetime对象。此外，它还可以存储频率信息（如果有的话），且知道如何执行时区转换以及其他操作。稍后将对此进行详细讲解。

索引、选取、子集构造

当你根据标签索引选取数据时，时间序列和其它的pandas.Series很像：

  1. In [48]: stamp = ts.index[2]
  3. In [49]: ts[stamp]
  4. Out[49]: -0.51943871505673811

还有一种更为方便的用法：传入一个可以被解释为日期的字符串：

  1. In [50]: ts['1/10/2011']
  2. Out[50]: 1.9657805725027142
  4. In [51]: ts['20110110']
  5. Out[51]: 1.9657805725027142

对于较长的时间序列，只需传入“年”或“年月”即可轻松选取数据的切片：

  1. In [52]: longer_ts = pd.Series(np.random.randn(1000),
  2.    ....:                       index=pd.date_range('1/1/2000', periods=1000))
  4. In [53]: longer_ts
  5. Out[53]: 
  6. 2000-01-01    0.092908
  7. 2000-01-02    0.281746
  8. 2000-01-03    0.769023
  9. 2000-01-04    1.246435
  10. 2000-01-05    1.007189
  11. 2000-01-06   -1.296221
  12. 2000-01-07    0.274992
  13. 2000-01-08    0.228913
  14. 2000-01-09    1.352917
  15. 2000-01-10    0.886429
  16.                 ...   
  17. 2002-09-17   -0.139298
  18. 2002-09-18   -1.159926
  19. 2002-09-19    0.618965
  20. 2002-09-20    1.373890
  21. 2002-09-21   -0.983505
  22. 2002-09-22    0.930944
  23. 2002-09-23   -0.811676
  24. 2002-09-24   -1.830156
  25. 2002-09-25   -0.138730
  26. 2002-09-26    0.334088
  27. Freq: D, Length: 1000, dtype: float64
  29. In [54]: longer_ts['2001']
  30. Out[54]: 
  31. 2001-01-01    1.599534
  32. 2001-01-02    0.474071
  33. 2001-01-03    0.151326
  34. 2001-01-04   -0.542173
  35. 2001-01-05   -0.475496
  36. 2001-01-06    0.106403
  37. 2001-01-07   -1.308228
  38. 2001-01-08    2.173185
  39. 2001-01-09    0.564561
  40. 2001-01-10   -0.190481
  41.                 ...   
  42. 2001-12-22    0.000369
  43. 2001-12-23    0.900885
  44. 2001-12-24   -0.454869
  45. 2001-12-25   -0.864547
  46. 2001-12-26    1.129120
  47. 2001-12-27    0.057874
  48. 2001-12-28   -0.433739
  49. 2001-12-29    0.092698
  50. 2001-12-30   -1.397820
  51. 2001-12-31    1.457823
  52. Freq: D, Length: 365, dtype: float64

这里，字符串“2001”被解释成年，并根据它选取时间区间。指定月也同样奏效：

  1. In [55]: longer_ts['2001-05']
  2. Out[55]: 
  3. 2001-05-01   -0.622547
  4. 2001-05-02    0.936289
  5. 2001-05-03    0.750018
  6. 2001-05-04   -0.056715
  7. 2001-05-05    2.300675
  8. 2001-05-06    0.569497
  9. 2001-05-07    1.489410
  10. 2001-05-08    1.264250
  11. 2001-05-09   -0.761837
  12. 2001-05-10   -0.331617
  13.                 ...   
  14. 2001-05-22    0.503699
  15. 2001-05-23   -1.387874
  16. 2001-05-24    0.204851
  17. 2001-05-25    0.603705
  18. 2001-05-26    0.545680
  19. 2001-05-27    0.235477
  20. 2001-05-28    0.111835
  21. 2001-05-29   -1.251504
  22. 2001-05-30   -2.949343
  23. 2001-05-31    0.634634
  24. Freq: D, Length: 31, dtype: float64

datetime对象也可以进行切片：

  1. In [56]: ts[datetime(2011, 1, 7):]
  2. Out[56]: 
  3. 2011-01-07   -0.519439
  4. 2011-01-08   -0.555730
  5. 2011-01-10    1.965781
  6. 2011-01-12    1.393406
  7. dtype: float64

由于大部分时间序列数据都是按照时间先后排序的，因此你也可以用不存在于该时间序列中的时间戳对其进行切片（即范围查询）：

  1. In [57]: ts
  2. Out[57]: 
  3. 2011-01-02   -0.204708
  4. 2011-01-05    0.478943
  5. 2011-01-07   -0.519439
  6. 2011-01-08   -0.555730
  7. 2011-01-10    1.965781
  8. 2011-01-12    1.393406
  9. dtype: float64
  11. In [58]: ts['1/6/2011':'1/11/2011']
  12. Out[58]: 
  13. 2011-01-07   -0.519439
  14. 2011-01-08   -0.555730
  15. 2011-01-10    1.965781
  16. dtype: float64

跟之前一样，你可以传入字符串日期、datetime或Timestamp。注意，这样切片所产生的是原时间序列的视图，跟NumPy数组的切片运算是一样的。

这意味着，没有数据被复制，对切片进行修改会反映到原始数据上。

此外，还有一个等价的实例方法也可以截取两个日期之间TimeSeries：

  1. In [59]: ts.truncate(after='1/9/2011')
  2. Out[59]: 
  3. 2011-01-02   -0.204708
  4. 2011-01-05    0.478943
  5. 2011-01-07   -0.519439
  6. 2011-01-08   -0.555730
  7. dtype: float64

面这些操作对DataFrame也有效。例如，对DataFrame的行进行索引：

  1. In [60]: dates = pd.date_range('1/1/2000', periods=100, freq='W-WED')
  3. In [61]: long_df = pd.DataFrame(np.random.randn(100, 4),
  4.    ....:                        index=dates,
  5.    ....:                        columns=['Colorado', 'Texas',
  6.    ....:                                 'New York', 'Ohio'])
  8. In [62]: long_df.loc['5-2001']
  9. Out[62]: 
  10.             Colorado     Texas  New York      Ohio
  11. 2001-05-02 -0.006045  0.490094 -0.277186 -0.707213
  12. 2001-05-09 -0.560107  2.735527  0.927335  1.513906
  13. 2001-05-16  0.538600  1.273768  0.667876 -0.969206
  14. 2001-05-23  1.676091 -0.817649  0.050188  1.951312
  15. 2001-05-30  3.260383  0.963301  1.201206 -1.852001

带有重复索引的时间序列

在某些应用场景中，可能会存在多个观测数据落在同一个时间点上的情况。下面就是一个例子：

  1. In [63]: dates = pd.DatetimeIndex(['1/1/2000', '1/2/2000', '1/2/2000',
  2.    ....:                           '1/2/2000', '1/3/2000'])
  3. In [64]: dup_ts = pd.Series(np.arange(5), index=dates)
  5. In [65]: dup_ts
  6. Out[65]: 
  7. 2000-01-01    0
  8. 2000-01-02    1
  9. 2000-01-02    2
  10. 2000-01-02    3
  11. 2000-01-03    4
  12. dtype: int64

通过检查索引的is_unique属性，我们就可以知道它是不是唯一的：

  1. In [66]: dup_ts.index.is_unique
  2. Out[66]: False

对这个时间序列进行索引，要么产生标量值，要么产生切片，具体要看所选的时间点是否重复：

  1. In [67]: dup_ts['1/3/2000']  # not duplicated
  2. Out[67]: 4
  4. In [68]: dup_ts['1/2/2000']  # duplicated
  5. Out[68]: 
  6. 2000-01-02    1
  7. 2000-01-02    2
  8. 2000-01-02    3
  9. dtype: int64

假设你想要对具有非唯一时间戳的数据进行聚合。一个办法是使用groupby，并传入level=0：

  1. In [69]: grouped = dup_ts.groupby(level=0)
  3. In [70]: grouped.mean()
  4. Out[70]: 
  5. 2000-01-01    0
  6. 2000-01-02    2
  7. 2000-01-03    4
  8. dtype: int64
  10. In [71]: grouped.count()
  11. Out[71]: 
  12. 2000-01-01    1
  13. 2000-01-02    3
  14. 2000-01-03    1
  15. dtype: int64