Jak używać dat i czasu w pandas

Manipulowanie danymi szeregów czasowych w Pythonie

Stefan Jansen

Founder & Lead Data Scientist at Applied Artificial Intelligence

Funkcjonalność szeregów dat i czasu

Podstawa: typy danych dla informacji o dacie i czasie
- Obiekty reprezentujące punkty w czasie i okresy
- Atrybuty i metody odzwierciedlają szczegóły czasowe
Sekwencje dat i okresów:
- Kolumny Series lub DataFrame
- Indeks: przekształca obiekt w szereg czasowy
Wiele metod Series/DataFrame korzysta z informacji czasowych w indeksie, aby zapewnić funkcjonalność szeregów czasowych

Podstawowy element: pd.Timestamp

import pandas as pd  # assumed imported going forward
from datetime import datetime  # To manually create dates

time_stamp = pd.Timestamp(datetime(2017, 1, 1))

pd.Timestamp('2017-01-01') == time_stamp

True # Understands dates as strings

time_stamp # type: pandas.tslib.Timestamp

Timestamp('2017-01-01 00:00:00')

Podstawowy element: pd.Timestamp

Obiekt Timestamp posiada wiele atrybutów przechowujących informacje o czasie

time_stamp.year

time_stamp.day_name()

'Sunday'

Kolejne elementy: pd.Period i freq

period = pd.Period('2017-01')

period # default: month-end

Period('2017-01', 'M')

period.asfreq('D') # convert to daily

Period('2017-01-31', 'D')

period.to_timestamp().to_period('M')

Period('2017-01', 'M')

Obiekt Period posiada atrybut freq przechowujący informacje o częstotliwości

Konwersja pd.Period() na pd.Timestamp() i z powrotem

Kolejne elementy: pd.Period i freq

period + 2

Period('2017-03', 'M')

pd.Timestamp('2017-01-31', 'M') + 1

Timestamp('2017-02-28 00:00:00', freq='M')

Informacja o częstotliwości umożliwia podstawową arytmetykę dat

Sekwencje dat i czasu

pd.date_range: start, end, periods, freq

index = pd.date_range(start='2017-1-1', periods=12, freq='M')

index

DatetimeIndex(['2017-01-31', '2017-02-28', '2017-03-31', ...,
               '2017-09-30', '2017-10-31', '2017-11-30', '2017-12-31'],
              dtype='datetime64[ns]', freq='M')

pd.DateTimeIndex: sekwencja obiektów Timestamp z informacją o częstotliwości

Sekwencje dat i czasu

index[0]

Timestamp('2017-01-31 00:00:00', freq='M')

index.to_period()

PeriodIndex(['2017-01', '2017-02', '2017-03', '2017-04', ..., 
             '2017-11', '2017-12'], dtype='period[M]', freq='M')

Tworzenie szeregu czasowego: pd.DateTimeIndex

pd.DataFrame({'data': index}).info()

RangeIndex: 12 entries, 0 to 11
Data columns (total 1 columns):
data    12 non-null datetime64[ns]
dtypes: datetime64[ns](1)

Tworzenie szeregu czasowego: pd.DateTimeIndex

np.random.random:
- Liczby losowe: [0,1]
- 12 wierszy, 2 kolumny

data = np.random.random((size=12,2))

pd.DataFrame(data=data, index=index).info()

DatetimeIndex: 12 entries, 2017-01-31 to 2017-12-31
Freq: M
Data columns (total 2 columns):
0    12 non-null float64
1    12 non-null float64
dtypes: float64(2)

Aliasy częstotliwości i informacje o czasie

Jak używać dat i czasu w pandas — aliasy częstotliwości i informacje o czasie

Czas na ćwiczenia!

Manipulowanie danymi szeregów czasowych w Pythonie