時間序列數(shù)據(jù)處理9-2TimeSeriesDataProcessing內容概述本章學習目標財務數(shù)據(jù)分析財務數(shù)據(jù)分析（1）了解時間序列分析的應用場景；（5）熟悉時間偏置DateOffset對象和窗口函數(shù)；（4）掌握dt對象的屬性和方法；（2）掌握Datetimes數(shù)據(jù)類型的屬性和方法；（3）掌握Timedeltas數(shù)據(jù)類型的屬性和方法；（6）利用Pandas進行簡單的時間序列分析。目錄CONTENTS財務數(shù)據(jù)分析財務數(shù)據(jù)分析9.2時間序列數(shù)據(jù)處理

1時間序列概述2時間點 3時間差 4時間偏置5窗口函數(shù)【Python財務數(shù)據(jù)分析】——財務數(shù)據(jù)的時間序列數(shù)據(jù)分析時間序列概述PartOne01財務數(shù)據(jù)分析財務數(shù)據(jù)分析財務數(shù)據(jù)分析財務數(shù)據(jù)分析時間序列概述時間序列是按時間順序索引的一系列數(shù)據(jù)點。最常見的時間序列是在連續(xù)的等間隔時間點上獲得的序列有關時間序列的應用場景，分為以下4種情況：（1）時間點。即特定的時刻，記錄時間維度的具體一個位置。（2）時間差。兩個時間點做差就得到了時間差。時間差可以是幾年，幾個月，幾天，幾分，幾秒，甚至小到納秒。因為是時間差值，因此既可以是正數(shù)，也可以是負數(shù)。（3）時間跨度。即以時間為計量的迭代單位，時間記錄迭代步長，以時間為計量的規(guī)律變化的一種時間差。（4）時間偏置。日期偏置是一種和日歷相關的特殊時間差，是與時間計量的不同單位進制造成的特殊時間差。時間點PartTwo02財務數(shù)據(jù)分析財務數(shù)據(jù)分析財務數(shù)據(jù)分析財務數(shù)據(jù)分析時間點時間點（Datetimes）問題，Pandas提供Timestamp、DatetimeIndex、datetime64[ns]3種數(shù)據(jù)類型。Timestamp對象是時間點元素類型，表示確切的一個時間點；由Timestamp對象組成的序列是DatetimeIndex對象；DatetimeIndex對象可以作為Pandans的一個Series或者DataFrame的一列，數(shù)據(jù)類型為datetime64[ns]。財務數(shù)據(jù)分析財務數(shù)據(jù)分析Timestamp的構造與屬性Pandas提供Timestamp（時間戳）類構造時間戳對象。單個時間戳的生成利用pd.Timestamp()實現(xiàn)Timestamp由date（日期）和time（時間）組成；其中日期又由year、month和day組成；時間由hour、minute和second組成。財務數(shù)據(jù)分析財務數(shù)據(jù)分析Datetime序列一組時間戳可以組成時間序列DatetimeIndex。通過to_datetime()和date_range()函數(shù)生成時間序列，即把時間戳格式的對象轉換成為datetime64[ns]類型的時間序列range()和np.arange()函數(shù)，pd.date_range()是一種生成連續(xù)間隔時間的一種方法語法格式：財務數(shù)據(jù)分析財務數(shù)據(jù)分析時序類型dt對象Pandas在時序類型的序列上定義了dt對象來完成時間序列的相關操作。這些操作可以大致分為3類：dt屬性，時間戳判定，取整操作。1）dt屬性dt對象時間分量值屬性包括：date,time,year,month,day,hour,minute,second,microsecond,nanosecond,dayofweek,dayofyear,weekofyear,daysinmonth,quarter等2）時間戳判定dt對象時間戳判定包括主要用于測試是否為月/季/年的第一天或者最后一天等，如is_leap_year,is_month_end,is_month_start,is_quarter_end,is_quarter_start,is_year_end,is_year_start等3）dt取整操作dt取整操作包含round(),ceil(),floor()函數(shù)，他們的公共參數(shù)為freq，常用的值包括：H（小時），min（分鐘），S（秒），即完成時間點的不同方式取整。財務數(shù)據(jù)分析財務數(shù)據(jù)分析dt索引和切片財務數(shù)據(jù)分析財務數(shù)據(jù)分析dt索引和切片時間差PartThere03財務數(shù)據(jù)分析財務數(shù)據(jù)分析財務數(shù)據(jù)分析財務數(shù)據(jù)分析時間差兩個時間戳（Timestamp）做差就得到了時間差（Timedeltas），Pandas中利用Timedelta對象來表示。類似于DatatimeIndex，一系列的時間差就組成TimedeltaIndex，而TimedeltaIndex置于DataFrame或Series中，其類型為timedelta64[ns]。財務數(shù)據(jù)分析財務數(shù)據(jù)分析創(chuàng)建Timedelta對象時間差可以理解為兩個時間戳的差，這里也可以通過pd.Timedelta()來構造pd.Timestamp('2020010208:00:00')-pd.Timestamp('2020010107:35:00')pd.Timedelta(days=1,minutes=25)#需要注意是minutes，不是minute?；騪d.Timedelta('1days25minutes')#字符串生成財務數(shù)據(jù)分析財務數(shù)據(jù)分析Timedelta序列對于時間差序列的生成，需要pd.to_timedelta()方法，其類型為timedelta64[ns]，示例代碼如下。td1=pd.date_range('2023-1-1','2023-3-1',periods=10)td2=td1+pd.Timedelta(days=1,minutes=45)*np.random.randint(10,size=10)ts=pd.to_timedelta(pd.Series(td2-td1))時間差序列也可以用timedelta_range()方法，參數(shù)與date_range()類似，示例代碼如下。pd.timedelta_range('1m','1000m',freq='1h')pd.timedelta_range('0h','1000h',periods=9)財務數(shù)據(jù)分析財務數(shù)據(jù)分析時間差dt對象對于Timedelta序列，同樣也定義了dt對象，接上例代碼。td_dt=(pd.Series(td2-td1)).dtTimedelta的dt對象定義了的屬性包括days，seconds，mircroseconds，nanoseconds等，與DatatimeIndex的dt對象類似。財務數(shù)據(jù)分析財務數(shù)據(jù)分析Timedelta的運算時間點是定距類型數(shù)據(jù)，但是時間差卻是比例類型數(shù)據(jù)，可以進行加、減、乘、除運算都有意義。時間偏置PartFour04財務數(shù)據(jù)分析財務數(shù)據(jù)分析財務數(shù)據(jù)分析財務數(shù)據(jù)分析Offset對象Offset對象通過pd.offsets定義。當使用加法（+）運算時獲取離其最近的下一個日期，當使用減法（-）運算時獲取離其最近的上一個日期。[in]pd.Timestamp('20231006')+pd.offsets.WeekOfMonth(week=0,weekday=0)[out]Timestamp('2023-11-0600:00:00')[in]

pd.Timestamp('20231001')-pd.offsets.WeekOfMonth(week=0,weekday=0)[out]Timestamp('2023-09-0400:00:00')財務數(shù)據(jù)分析財務數(shù)據(jù)分析偏置字符串pd.date_range()函數(shù)可以生成連續(xù)的日期時間序列語法格式：pd.date_range(start=None,end=None,periods=None,freq=None,tz=None,normalize=False,name=None,inclusive='both',*,unit=None,**kwargs)式中freq取值可用Offset對象，稱為頻率字符串，是

DateOffset

對象及其子類。窗口函數(shù)PartFive05財務數(shù)據(jù)分析財務數(shù)據(jù)分析財務數(shù)據(jù)分析財務數(shù)據(jù)分析窗口函數(shù)窗口函數(shù)可以為每行數(shù)據(jù)進行一次計算，因為窗口函數(shù)指定了數(shù)據(jù)窗口大小，可以在這個滑動窗口里進行計算并返回一個值。聚合函數(shù)只返回一行或對分組下的所有數(shù)據(jù)進行統(tǒng)計。財務數(shù)據(jù)分析財務數(shù)據(jù)分析滑動窗口函數(shù)窗口函數(shù)就是一個可以在滑動窗口實現(xiàn)各種統(tǒng)計操作的函數(shù)。一個滑動窗口是一個移動變化的小區(qū)間，所以窗口函數(shù)可以在不斷變化的小區(qū)間里實現(xiàn)各種復雜的統(tǒng)計分析。Pandasrolling()函數(shù)的語法格式：財務數(shù)據(jù)分析財務數(shù)據(jù)分析時序的滑動窗口所謂時序的滑窗函數(shù)，即把滑動窗口用freq關鍵詞代替。將偏移量傳遞給rolling()函數(shù)，并使其根據(jù)傳遞的時間窗口生成可變大小的窗口。函數(shù)作用于每個時間點，以及偏移量的時間增量內出現(xiàn)的所有先前值。財務數(shù)據(jù)分析財務數(shù)據(jù)分析時序的擴張窗口擴張窗口又稱累計窗口，可以理解為一個動態(tài)長度的窗口，其窗口的大小就是從序列開始處到具體操作的對應位置，其使用的聚合函數(shù)會作用于這些逐步擴張的窗口上?！綪ython財務數(shù)據(jù)分析】——財務數(shù)據(jù)的時間序列數(shù)據(jù)分析PartPractice05財務數(shù)據(jù)分析財務數(shù)據(jù)分析財務數(shù)據(jù)分析財務數(shù)據(jù)分析【小結】本節(jié)主要介紹了時間序列的特殊數(shù)據(jù)處理。時間序列是財經數(shù)據(jù)分析的重要內容，因此Pandas對其有較豐