pandas
Arbeta med Time Series

Skapa tidsserier

Så här skapar du en enkel tidsserie.

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

Partiell strängindexering

Ett mycket praktiskt sätt att dela upp Time Series är att använda indexering av partiell sträng . Det tillåter att välja datumintervall med en tydlig syntax.

Få data

Vi använder datasatsen i exemplet Creating Time Series

Visar huvud och svans för att se gränserna

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

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

Delin

Nu kan vi subset efter år, månad, dag mycket intuitivt.

Efter år

se['2017']

# 2017-01-01    48

Månadsvis

se['2017-01']

# 2017-01-01    48

På dagen

se['2017-01-01']

# 48

Med ett antal år, månad, dag efter dina behov.

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

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

pandas ger också en dedikerad truncate för denna användning genom parametrarna after och before - men jag tror att det är mindre tydligt.

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