pandas
Praca z szeregami czasowymi

Tworzenie szeregów czasowych

Oto jak stworzyć prosty Szereg czasowy.

import pandas as pd
import numpy as np

# The number of sample to generate
nb_sample = 100

# Seeding to obtain a reproductible dataset
np.random.seed(0)

se = pd.Series(np.random.randint(0, 100, nb_sample),
                  index = pd.date_range(start = pd.to_datetime('2016-09-24'),
                                        periods = nb_sample, freq='D'))
se.head(2)

# 2016-09-24    44
# 2016-09-25    47

se.tail(2)

# 2016-12-31    85
# 2017-01-01    48

Częściowe indeksowanie ciągów

Bardzo przydatnym sposobem na podzestaw Szeregów Czasowych jest częściowe indeksowanie łańcuchów . Pozwala wybrać zakres dat z jasną składnią.

Pobieranie danych

Korzystamy z zestawu danych w przykładzie Creating Time Series

Wyświetlanie głowy i ogona, aby zobaczyć granice

se.head(2).append(se.tail(2))

# 2016-09-24    44
# 2016-09-25    47
# 2016-12-31    85
# 2017-01-01    48

Podzbiór

Teraz możemy dokonywać intuicyjnych podziałów według roku, miesiąca i dnia.

Według roku

se['2017']

# 2017-01-01    48

Według miesiąca

se['2017-01']

# 2017-01-01    48

Za dnia

se['2017-01-01']

# 48

Z zakresem roku, miesiąca, dnia w zależności od potrzeb.

se['2016-12-31':'2017-01-01']

# 2016-12-31    85
# 2017-01-01    48

pandy również zapewnia dedykowany truncate funkcji dla tego Korzystanie na after i before parametrów - ale myślę, że jest to mniej oczywiste.

se.truncate(before='2017')

# 2017-01-01    48

se.truncate(before='2016-12-30', after='2016-12-31')

# 2016-12-30    13
# 2016-12-31    85