【python数据分析（18）】Pandas中时间序列处理（4）pd.to_period()与pd.to_timestamp()数据之间转换以及时间序列索引及切片

冷不防 2023-07-11 06:27 8阅读 0赞

## 1. period时期数据 ##

#### 1.1 `pd.Period()`创建时期数据 ####

1） `pd.Period()`参数：一个时间戳 + `freq` 参数 → `freq` 用于指明该 `period` 的长度，时间戳则说明该 `period` 在时间轴上的位置

import pandas as pd
    
    p = pd.Period('2020', freq = 'M')
    print(p)
    print(type(p))

–> 输出的结果为：（输出的结果为2020年的第一个月份的日期数据）

2020-01
    <class 'pandas._libs.tslibs.period.Period'>

2） 可以通过加减运算进行（年、月）日期数据的变换

print(p + 1)
    print(p - 2)
    print(pd.Period('2020', freq = 'A-DEC') - 1)

–> 输出的结果为：

2020-02
    2019-11
    2019

#### 1.2 `pd.period_range()`创建时期范围 ####

**1） 简单demo**

prng = pd.period_range('1/1/2020', '1/1/2021', freq='M')
    print(prng)
    print(type(prng))
    print(prng[0])
    print(type(prng[0]))

–> 输出的结果为：

PeriodIndex(['2020-01', '2020-02', '2020-03', '2020-04', '2020-05', '2020-06',
                 '2020-07', '2020-08', '2020-09', '2020-10', '2020-11', '2020-12',
                 '2021-01'],
                dtype='period[M]', freq='M')
    <class 'pandas.core.indexes.period.PeriodIndex'>
    2020-01
    <class 'pandas._libs.tslibs.period.Period'>

**★★★★★2） 如果将生成的时间索引转化为我们日常中见到的字符串数据的话，如下**

print([str(prng[i]) for i in range(len(prng))])
    month_day = list(zip(prng.month,prng.day))
    print(month_day)

–> 输出的结果为：（可以对比上一篇的将时间戳索引转化为字符串数据的方式，如果也是用这种方式会怎么样）

['2020-01', '2020-02', '2020-03', '2020-04', '2020-05', '2020-06', '2020-07', '2020-08', '2020-09', '2020-10', '2020-11', '2020-12', '2021-01']
    
    [(1, 31), (2, 29), (3, 31), (4, 30), (5, 31), (6, 30), (7, 31), (8, 31), (9, 30), (10, 31), (11, 30), (12, 31), (1, 31)]

**★★★★★ 3） 对比一下上一个博客中关于时间戳索引转化为字符串数据**

data = pd.date_range('2020','2021', freq = 'M')
    print([str(data[i]) for i in range(len(data))])

–> 输出的结果为：（通过两者的对比，就可以更清楚的了解什么是时间戳索引和日期索引，上面输出月和天就是为了和下面的输出做对比）

['2020-01-31 00:00:00', '2020-02-29 00:00:00', '2020-03-31 00:00:00', '2020-04-30 00:00:00', '2020-05-31 00:00:00', '2020-06-30 00:00:00', '2020-07-31 00:00:00', '2020-08-31 00:00:00', '2020-09-30 00:00:00', '2020-10-31 00:00:00', '2020-11-30 00:00:00', '2020-12-31 00:00:00']

**4） 创建时期数据的`TimeSeries`时间序列**

ts = pd.Series(np.random.rand(len(prng)), index = prng)
    print(ts,type(ts))
    print(ts.index)

–> 输出的结果为：（标签为时期数据，后面是数值的Series，和之前的时刻数据类似，一个是时刻数据，一个是时间段）

2020-01    0.733202
    2020-02    0.330304
    2020-03    0.079378
    2020-04    0.836970
    2020-05    0.540214
    2020-06    0.423610
    2020-07    0.944636
    2020-08    0.617366
    2020-09    0.223554
    2020-10    0.057547
    2020-11    0.567743
    2020-12    0.121468
    2021-01    0.196632
    Freq: M, dtype: float64 <class 'pandas.core.series.Series'>
    
    PeriodIndex(['2020-01', '2020-02', '2020-03', '2020-04', '2020-05', '2020-06',
                 '2020-07', '2020-08', '2020-09', '2020-10', '2020-11', '2020-12',
                 '2021-01'],
                dtype='period[M]', freq='M')

#### 1.3 频率转换 ####

在numpy中进行数据类型的转换，使用到了`astype()`的方法，而在pandas里面要进行时间频率的转换有点类似，是通过`.asfreq(freq, method=None, how=None)`方法转换成别的频率

p = pd.Period('2020','A-DEC')
    print(p)
    print(p.asfreq('M', how = 'start'))  # 也可写 how = 's'
    print(p.asfreq('D', how = 'end'))  # 也可写 how = 'e'

–> 输出的结果为：

2020
    2020-01
    2020-12-31

★★★★★ 将时期索引（时期对应的时间序列）转化为时刻索引（时刻对应的时间序列）

prng = pd.period_range('2020','2021',freq = 'M')
    ts1 = pd.Series(np.random.rand(len(prng)), index = prng)
    ts2 = pd.Series(np.random.rand(len(prng)), index = prng.asfreq('D', how = 'start'))
    print(ts1.head())
    print(type(ts1.index))
    print(ts2.head())
    print(type(ts2.index))

–> 输出的结果为：（注意这里转换频率后，数据类型是不变的，并不是真正变成了时刻数据，仍然还是时期数据，只是形式上和之前的时刻索引一致）

2020-01    0.017181
    2020-02    0.193328
    2020-03    0.047001
    2020-04    0.043000
    2020-05    0.295609
    Freq: M, dtype: float64 
    <class 'pandas.core.indexes.period.PeriodIndex'>
    
    2020-01-01    0.801138
    2020-02-01    0.654645
    2020-03-01    0.185378
    2020-04-01    0.357173
    2020-05-01    0.122337
    Freq: D, dtype: float64 
    <class 'pandas.core.indexes.period.PeriodIndex'>

#### 1.4 时刻与时期数据之间的转换 ####

上面的示例可以发现并没有实现真正上的时刻（时间戳）数据与时期数据之间的转换，那么接下来就是实现真正意义上的数据类型的转换，使用的方法是：`pd.to_period()`、`pd.to_timestamp()`

**1） 时刻转时期**

rng = pd.date_range('2020/1/1', periods = 10, freq = 'M')
    ts1 = pd.Series(np.random.rand(len(rng)), index = rng)
    ts2 = ts1.to_period()
    
    print(ts1.head())
    print(type(ts1.index))
    print(ts2.head())
    print(type(ts2.index))

–> 输出的结果为：（实现时刻数据向时期数据的转化）

2020-01-31    0.181266
    2020-02-29    0.934712
    2020-03-31    0.179842
    2020-04-30    0.372101
    2020-05-31    0.799920
    Freq: M, dtype: float64
    <class 'pandas.core.indexes.datetimes.DatetimeIndex'>
    
    2020-01    0.181266
    2020-02    0.934712
    2020-03    0.179842
    2020-04    0.372101
    2020-05    0.799920
    Freq: M, dtype: float64
    <class 'pandas.core.indexes.period.PeriodIndex'>

**2） 时期转时刻**

prng = pd.period_range('2020','2021', freq = 'M')
    ts3 = pd.Series(np.random.rand(len(prng)), index = prng)
    ts4 = ts3.to_timestamp()
    print(ts3.head())
    print(type(ts3.index))
    print(ts4.head())
    print(type(ts4.index))

–> 输出的结果为：（实现时期数据向时刻数据的转化）

2020-01    0.287591
    2020-02    0.056996
    2020-03    0.566121
    2020-04    0.725879
    2020-05    0.067077
    Freq: M, dtype: float64
    <class 'pandas.core.indexes.period.PeriodIndex'>
    
    2020-01-01    0.287591
    2020-02-01    0.056996
    2020-03-01    0.566121
    2020-04-01    0.725879
    2020-05-01    0.067077
    Freq: MS, dtype: float64
    <class 'pandas.core.indexes.datetimes.DatetimeIndex'>

## 2. 时间序列 - 索引及切片 ##

`TimeSeries`是`Series`的一个子类，所以`Series`索引及数据选取方面的方法基本一样；同时`TimeSeries`通过时间序列有更便捷的方法做索引和切片；时间序列由于按照时间先后排序，故不用考虑顺序问题

**1）简单索引**

from datetime import datetime
    
    rng = pd.date_range('2020/1','2020/3')
    ts = pd.Series(np.random.rand(len(rng)), index = rng)
    print(ts.head())
    
    print(ts[0])

–> 输出的结果为：

2020-01-01    0.402184
    2020-01-02    0.435946
    2020-01-03    0.524105
    2020-01-04    0.605212
    2020-01-05    0.852766
    Freq: D, dtype: float64
    
    0.40218382128573316

**2） 时间序列标签索引，支持各种时间字符串，以及datetime.datetime**

print(ts['2020/1/2'])
    print(ts['20200103'])
    print(ts['1/10/2020'])
    print(ts[datetime(2020,1,20)])

–> 输出的结果为：（可以实现多种日期字符串形式的索引）

0.6968196406360381
    0.3747735841244546
    0.3420296886910025
    0.11972763328609326

**3） 切片**

★★★★★ 关于第三种方式的切片特别实用，比如调用某一个月的数据，进行查看或者处理

rng = pd.date_range('2020/1','2020/3',freq = '12H')
    ts = pd.Series(np.random.rand(len(rng)), index = rng)
    
    print(ts[:2])
    print(ts['2020/1/5':'2020/1/10'])
    print(ts['2020/2'].head())

–> 输出的结果为：（三个不同方式的切片，第一个直接按照行数切片，第二个按照索引切片，第三个直接传入月份进行切片）

2020-01-01 00:00:00    0.182351
    2020-01-01 12:00:00    0.203575
    Freq: 12H, dtype: float64
    
    2020-01-05 00:00:00    0.805461
    2020-01-05 12:00:00    0.728251
    2020-01-06 00:00:00    0.065754
    2020-01-06 12:00:00    0.606569
    2020-01-07 00:00:00    0.801891
    2020-01-07 12:00:00    0.995801
    2020-01-08 00:00:00    0.056166
    2020-01-08 12:00:00    0.110309
    2020-01-09 00:00:00    0.195206
    2020-01-09 12:00:00    0.984065
    2020-01-10 00:00:00    0.464639
    2020-01-10 12:00:00    0.574147
    Freq: 12H, dtype: float64
    
    2020-02-01 00:00:00    0.804735
    2020-02-01 12:00:00    0.134206
    2020-02-02 00:00:00    0.088963
    2020-02-02 12:00:00    0.368319
    2020-02-03 00:00:00    0.602443
    Freq: 12H, dtype: float64

**4） 重复索引的时间序列**

有时候，日期数据里面并不止一个时间标签，结果就是一个标签对应多个数据，检查标签和数值是否重复的方式为：`is_unique`

dates = pd.DatetimeIndex(['1/1/2020','1/2/2020','1/3/2020','1/4/2020','1/1/2020','1/2/2020'])
    ts = pd.Series(np.random.rand(6), index = dates)
    print(ts)
    print(ts.is_unique,ts.index.is_unique)

–> 输出的结果为：

2020-01-01    0.650634
    2020-01-02    0.272747
    2020-01-03    0.627082
    2020-01-04    0.182520
    2020-01-01    0.455632
    2020-01-02    0.869520
    dtype: float64
    
    True False

`index`有重复的索引时候将返回多个值

print(ts['20200101'],type(ts['20200101']))
    print(ts['20200104'],type(ts['20200104']))

–> 输出的结果为：

2020-01-01    0.650634
    2020-01-01    0.455632
    dtype: float64 <class 'pandas.core.series.Series'>
    
    2020-01-04    0.18252
    dtype: float64 <class 'pandas.core.series.Series'>

如果要处理同一标签对应的数据，可以在分组的时候添加`level = 0` 这个参数，也就是在标签数据进行唯一值处理（按照标签值进行分组）

print(ts.groupby(level = 0).mean())

–> 输出的结果为：（这里选择的处理方式为，按照平均值处理）

2020-01-01    0.553133
    2020-01-02    0.571133
    2020-01-03    0.627082
    2020-01-04    0.182520
    dtype: float64