python时间序列数据分析,Python数据分析之时间序列
Python数据分析之时间序列
发布时间:2020-07-10 06:56:27
来源:51CTO
阅读:808
作者:up4ever
1. 时间序列类型
时间戳(timestramp)
即特定的时刻
固定时期(period)
如2018年1月或2018年1月1日
时间间隔(interval)
由起始和结束时间戳表示
2. Python处理模块
Python标准库包含用于日期和时间数据的数据类型,主要用到datetime、time、calendar模块。
datetime模块常使用datetime和timedelta两种实例方法
datetime:以毫秒形式存储日期和时间
timedelta:表示两个datetime对象的时间差
引入datetime模块
import datetime
生成datetime对象
start_date = datetime(2018,1,1)
print(type(start_date))
end_date = datetime(2018,12,31)
print(type(end_date))
delta_date = end_date - start_date
print(type(delta_date))
字符串转化datetime对象
datetime.strptime()
date_str = '2018-1-1'
date_strptime = datetime.strptime(date_str, '%Y-%m-%d')
print(type(date_strptime))
print(date_strptime)
dateutil.parser.parse()
date_str2 = '1-1-2018'
date_parse = parse(date_str2)
print(type(date_parse))
print(date_parse)
pandas.to_datetime()
date_arr = ['1/1/2018','12/31/2018']
date_todatetime = pd.to_datetime(date_arr)
print(type(date_todatetime))
print(date_todatetime)
datetime对象转化字符串
str
start_date = datetime(2018,1,1)
str_start_date = str(start_date)
print(type(str_start_date))
print(str_start_date)
strftime
start_date = datetime(2018,1,1)
strftime_start_date = start_date.strftime('%Y-%m-%d')
print(type(strftime_start_date))
print(strftime_start_date)
3. Pandas 时间处理
serial
ts = pd.Series(np.random.randn(6), index=date_list)
print(type(ts))
print(ts)
date_range()
dates = pd.date_range('2018-1-1', periods=5, freq='W-SAT')
print(dates)
print(pd.Series(np.random.randn(5), index=dates))
date_index = pd.date_range('2018/1/1', '2018/2/1')
print(date_index)
移动数据
ts = pd.Series(np.random.randn(5), index=pd.date_range('20180101', periods=5, freq='W-SAT'))
print(ts)
print(ts.shift(1))
print(ts.shift(-1))
python时间序列数据分析,Python数据分析之时间序列相关推荐
- CC00050.python——|HadoopPython.v14|——|Arithmetic.v14|Pandas数据分析库:Pandas时间序列|
一.时间序列 ### --- 时间戳操作~~~ # 创建⽅法 pd.Timestamp('2020-8-24 12') # 时刻数据 pd.Period('2020-8-24',freq = 'M') ...
- Python中常用的数据分析工具(模块)有哪些?
本期Python培训分享:Python中常用的数据分析工具(模块)有哪些?Python本身的数据分析功能并不强,需要安装一些第三方的扩展库来增强它的能力.我们课程用到的库包括NumPy.Pandas. ...
- python xlwings追加数据_大数据分析Python库xlwings提升Excel工作效率教程
原标题:大数据分析Python库xlwings提升Excel工作效率教程 Excel在当今的企业中非常非常普遍.在AAA教育,我们通常建议出于很多原因使用代码,并且我们的许多数据科学课程旨在教授数据分 ...
- Python小记:14.数据分析基础知识点汇总
目录: 数据分析 numpy概述 numpy`历史` numpy的核心:多维数组 numpy基础 ndarray数组 内存中的ndarray对象 ndarray数组对象的特点 ndarray数组对象的 ...
- python对市场营销-python数据分析:商品数据化运营(上)——知识点
商品数据运营指标 销售类指标 订单量/商品销售量 订单量指用户提交订单的数量,计算逻辑去重后的订单ID的数量. 商品销售量又称销售件数,指销售商品的数量. 订单金额/商品销售金额 订单金额为用户提交订 ...
- 零基础必看的Python网络爬虫文本数据分析知识点总结
在过去的两年间,Python一路高歌猛进,成功窜上"最火编程语言"的宝座.惊奇的是使用Python最多的人群其实不是程序员,而是数据科学家,尤其是社会科学家,涵盖的学科有经济学.管 ...
- Python金融应用编程(数据分析、定价与量化投资)
近年来,金融领域的量化分析越来越受到理论界与实务界的重视,量化分析的技术也取得了较大的进展,成为备受关注的一个热点领域.所谓金融量化,就是将金融分析理论与计算机编程技术相结合,更为有效的利用现代计算技 ...
- Python预测之美 数据分析与算法实战(一)
Python预测之美 数据分析与算法实战 声明:本文旨在对这本书进行简单的整理,列出大致得内容框架,不做具体而又深入的分析.想要深入了解的小伙伴们,自行解决吧. 第一篇 预测入门 第二篇 预测算法 第 ...
- 学习大数据分析python编程指南
每个人都喜欢Python.如果您打算开始从事数据科学事业,我们可以肯定Python在您心中已经占有特殊的位置.它直观且易于在任何平台上运行,并且具有大量令人惊叹的库和工具.与其他编程语言相比,Pyth ...
最新文章
- nslookup命令反解ip_电脑网络基础知识:ipconfig/all命令及nslookupDns查询命令
- 使用perf监控Linux内核网络丢弃的数据包
- 综合布线的12大热点技术
- CNN训练注意事项与框架使用
- Windows下UAC安全机制笔记
- 【CC精品教程】任务三:CC刺像控点,提交空三,新建重建项目(三维格网、三维点云、DOM和DSM)
- oracle 12.2.0.1 搭建 active dataguard
- 阿里巴巴 Arthas 3.1.5版本支持火焰图,快速定位应用热点
- 程序在Linux下后台运行,进程查看及终止
- 设置ListCtrl列表控件其中某一行的字体和背景颜色
- java开发简历项目经验,面试必会
- rdkit Recap、BRICS分子片段拆分与合成
- unity3d TextMeshPro使用中文字体(秒懂)
- Java对文件/文件夹进行压缩或解压缩
- 1000+份计算机paper,卡耐基梅隆大学,芝加哥大学,facebook,google,微软,twitter等大牛一作,持续更新中...
- AVAudioPlayer实现音乐播放+歌词与播放进度同步
- CSS3 设置模糊背景图片
- 开放计算何处觅?JDM安天下
- 【OpenPCDet】稀疏卷积SPConv-v1.2代码解读(5)
- 煤炭企业基于数据挖掘技术的云ERP应用分析
热门文章
- 抽象工厂和工厂方法示例_抽象工厂设计模式示例
- 筒仓计算表格_身份反模式:联邦筒仓和意大利面条身份
- gc频繁的暂停启动_减少主要GC暂停的频率
- 使用JUnit5对DynamoDB应用程序进行单元测试
- GraalVM上的Picocli:极快的命令行应用程序
- netty 压缩比_使Netty 4中的HTTP内容压缩工作
- servlet3异步_Servlet 3的异步Servlet功能
- solr 的maven_使用Maven运行Solr
- java 工厂方法模式_Java中的工厂方法模式
- 使用Okta的单点登录保护您的Vert.x服务器