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

网站建设哪家好，找成都创新互联！专注于网页设计、网站建设、微信开发、小程序设计、集团企业网站建设等服务项目。为回馈新老客户创新互联还提供了蒲城免费建站欢迎大家使用！

• 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))

  

另外有需要云服务器可以了解下创新互联cdcxhl.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。

文章名称：Python数据分析之时间序列-创新互联
本文URL：http://scgulin.cn/article/depioc.html