Python中怎么實(shí)現(xiàn)一個(gè)時(shí)間序列

本篇文章給大家分享的是有關(guān)Python中怎么實(shí)現(xiàn)一個(gè)時(shí)間序列，小編覺(jué)得挺實(shí)用的，因此分享給大家學(xué)習(xí)，希望大家閱讀完這篇文章后可以有所收獲，話不多說(shuō)，跟著小編一起來(lái)看看吧。

時(shí)間序列 在時(shí)間上是順序的一系列數(shù)據(jù)點(diǎn)索引（或列出的或繪制）的。最常見(jiàn)的是，時(shí)間序列是在連續(xù)的等間隔時(shí)間點(diǎn)上獲取的序列。因此，它是一系列離散時(shí)間數(shù)據(jù)。時(shí)間序列的示例包括海潮高度，黑子數(shù)和道瓊斯工業(yè)平均指數(shù)的每日收盤價(jià)。

我們將看到一些重要的點(diǎn)，可以幫助我們分析任何時(shí)間序列數(shù)據(jù)集。這些是：

• 在Pandas中正確加載時(shí)間序列數(shù)據(jù)集

• 時(shí)間序列數(shù)據(jù)索引

• 使用Pandas進(jìn)行時(shí)間重采樣

• 滾動(dòng)時(shí)間序列

• 使用Pandas繪制時(shí)間序列數(shù)據(jù)

在Pandas中正確加載時(shí)間序列數(shù)據(jù)集

讓我們?cè)赑andas中加載上述數(shù)據(jù)集。

由于我們希望將“ DATE”列作為索引，而只是通過(guò)讀取就可以了，因此，我們必須添加一些額外的參數(shù)。

太好了，現(xiàn)在我們將DATE列添加為索引，但是讓我們檢查它的數(shù)據(jù)類型以了解pandas是作為簡(jiǎn)單對(duì)象還是pandas內(nèi)置的DateTime數(shù)據(jù)類型來(lái)處理索引。

太好了，現(xiàn)在我們將DATE列添加為索引，但是讓我們檢查它的數(shù)據(jù)類型以了解pandas是作為簡(jiǎn)單對(duì)象還是pandas內(nèi)置的DateTime數(shù)據(jù)類型來(lái)處理索引。

在這里，我們可以看到Pandas將Index列作為一個(gè)簡(jiǎn)單對(duì)象處理，因此讓我們將其轉(zhuǎn)換為DateTime。我們可以做到如下：

現(xiàn)在我們可以看到  我們的數(shù)據(jù)集的dtype是 datetime64 [ns]。此“ [ns]”表明它的精確度為納秒。如果需要，我們可以將其更改為“天”或“月”。

另外，為了避免這些麻煩，我們可以使用Pandas在單行代碼中加載數(shù)據(jù)，如下所示。

在這里，我們添加了 parse_dates = True，因此它將自動(dòng)使用我們的 索引 作為日期。

時(shí)間序列數(shù)據(jù)索引

比方說(shuō)，我想獲得的所有數(shù)據(jù)從 2000-01-01 至 2015年5月1日。為此，我們可以像這樣在Pandas中簡(jiǎn)單地使用索引。

這里我們提供了從2000-01-01 到 2015-01-01的所有月份的數(shù)據(jù) 。

比方說(shuō)，我們希望所有的頭幾個(gè)月中的所有數(shù)據(jù)得到 1992-01-01 至 2000-01-01。我們可以簡(jiǎn)單地通過(guò)添加另一個(gè)參數(shù)來(lái)實(shí)現(xiàn)它，該參數(shù)類似于在python中對(duì)列表進(jìn)行切片時(shí)，最后添加一個(gè)step參數(shù)。

在Pandas中，此語(yǔ)法為 ['starting date'：'end date'：step]。現(xiàn)在，如果我們觀察數(shù)據(jù)集，它是以月格式的，因此我們需要從1992年到2000年的每12個(gè)月一次的數(shù)據(jù)。我們可以按以下方式進(jìn)行操作。

以上就是Python中怎么實(shí)現(xiàn)一個(gè)時(shí)間序列，小編相信有部分知識(shí)點(diǎn)可能是我們?nèi)粘９ぷ鲿?huì)見(jiàn)到或用到的。希望你能通過(guò)這篇文章學(xué)到更多知識(shí)。更多詳情敬請(qǐng)關(guān)注億速云行業(yè)資訊頻道。