同样首先先生成时序数据

1.生成时序数据

import pandas as pd
import numpy as np
from datetime import datetime,timedelta

test=pd.date_range('2020-05-09',
                  periods=50,freq='H')  #生成时间序列，期数是12，时间间隔按照分钟
test[1:10]

#构造时间序列数据
ts=pd.Series(np.arange(50),index=test)

ts_df=pd.DataFrame(ts,columns=['数据'])
ts_df=ts_df.reset_index().rename({'index':'Time','数据':'number'},axis=1)
ts_df.head()

2. 提取年月日等信息

分析时间周期或者时序特征建模的时候有用

'''分析时间周期常用'''
#年
ts_df['year']=ts_df['Time'].dt.year
#月
ts_df['month']=ts_df['Time'].dt.month
#日
ts_df['day']=ts_df['Time'].dt.day
#周内第几日
ts_df['dayofweek']=ts_df['Time'].dt.dayofweek  
#小时
ts_df['Hour']=ts_df['Time'].dt.hour
#分钟
ts_df['minute']=ts_df['Time'].dt.minute
#秒
ts_df['second']=ts_df['Time'].dt.second

print(ts_df.shape)
ts_df.head(3)

3.时间作差

• 直接相减

ts_df.iloc[49,0]-ts_df.iloc[0,0]

Timedelta(‘2 days 01:00:00’)

• 使用timedelta

print('原',ts_df.iloc[49,0])
print('后推10天',ts_df.iloc[49,0]+timedelta(10)) 
print('前推10天',ts_df.iloc[49,0]+timedelta(-10))
print('前推10天',ts_df.iloc[49,0]-timedelta(10))

timedelta函数：

timedelta(days=0, seconds=0, microseconds=0, milliseconds=0, minutes=0, hours=0, weeks=0)

其他操作：

#默认按天days
print('原',ts_df.iloc[49,0])
print('向前推1天',ts_df.iloc[49,0]+timedelta(days=-1))    
print('向前推10分钟',ts_df.iloc[49,0]+timedelta(minutes=-10))  
print('向前推10小时',ts_df.iloc[49,0]+timedelta(hours=-10))    
print('向前推1周',ts_df.iloc[49,0]+timedelta(weeks=-1))    

4.时间采样

resample函数：

参数：
resample(freq, how=None, axis=0, fill_method=None, closed=None,
       label=None,convention='start',kind=None,
       loffset=None,limit=None,base=0)

参数解释：
- rule:一般填写采样频率，如'M'、‘5min'，Second(15)

- how:用于产生聚合值的函数名或数组函数，例如'mean'、'ohlc'、'np.max'等，默认是'mean'，其他常用的值由：'first'、'last'、'median'、'max'、'min'

- axis:默认0，默认是纵轴，横轴设置axis=1

- fill_method：升采样时如何插值，比如'ffill'、'bfill'等

- closed：在降采样时，各时间段的哪一段是闭合的，'right'或'left'，默认'right'

- label：在降采样时，如何设置聚合值的标签，例如，9：30-9：35会被标记成9：30还是9：35,默认9：30

- loffset:面元标签的时间校正值，比如‘-1s'或Second(-1)用于将聚合标签调早1秒

- limit:在向前或向后填充时，允许填充的最大时期数

- kind:聚合到时期（'period'）或时间戳（'timestamp'），默认聚合到时间序列的索引类型

- convention:当重采样时期时，将低频率转换到高频率所采用的约定（start或end）。默认'end'

应用：

ts_t=ts_df.set_index('Time')
ts_temp=pd.DataFrame(ts_t['number'])
ts_temp.head(10)

每三个小时采样：

ts_temp.resample('3H').sum()

此时第一个区间为2020-05-09 00:00:00~ 2020-05-09 02:00:00
所以sum=3（3个时间数据的聚合！）

第二个区间为2020-05-09 03:00:00~ 2020-05-09 05:00:00
所以sum=12

...
默认使用左标签（label='left'）,左闭合（closed='left'）

现在再添加一个类别列，达到对每一个类别进行时间采样的目的：

ts_temp['type']=np.repeat(['A','B','C','D','E'],10)
ts_temp

#先按照type分组，再按照时间采样
ts_temp.groupby('type').resample('3H').sum()#.reset_index()

标签：10,df,timedelta,00,python,ts,--,作差,iloc
来源： https://blog.csdn.net/qq_43165880/article/details/118051891