时间序列的索引与重采样

Python 中的时间序列数据处理

Stefan Jansen

Founder & Lead Data Scientist at Applied Artificial Intelligence

时间序列变换

基础时间序列变换包括：

解析字符串日期并转为 datetime64
选择与切片特定子时期
设定与更改 DateTimeIndex 频率
- 上采样 vs 下采样

获取 GOOG 股价

google = pd.read_csv('google.csv')  # import pandas as pd

google.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 504 entries, 0 to 503
Data columns (total 2 columns):
date     504 non-null object
price    504 non-null float64
dtypes: float64(1), object(1)

google.head()

         date   price
0  2015-01-02  524.81
1  2015-01-05  513.87
2  2015-01-06  501.96
3  2015-01-07  501.10
4  2015-01-08  502.68

将字符串日期转为 datetime64

pd.to_datetime()：
- 解析日期字符串
- 转为 datetime64

google.date = pd.to_datetime(google.date)

google.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 504 entries, 0 to 503
Data columns (total 2 columns):
date     504 non-null datetime64[ns]
price    504 non-null float64
dtypes: datetime64[ns](1), float64(1)

将字符串日期转为 datetime64

.set_index()：
- 将日期设为索引
- inplace：
  - 不创建副本

google.set_index('date', inplace=True)

google.info()

<class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 504 entries, 2015-01-02 to 2016-12-30
Data columns (total 1 columns):
price    504 non-null float64
dtypes: float64(1)

绘制谷歌股价时间序列

google.price.plot(title='Google Stock Price')

plt.tight_layout(); plt.show()

谷歌股价时间序列图

部分字符串索引

使用可解析为日期的字符串进行选择/索引

google['2015'].info() # 传入表示部分日期的字符串

DatetimeIndex: 252 entries, 2015-01-02 to 2015-12-31
Data columns (total 1 columns):
price    252 non-null float64
dtypes: float64(1)

google['2015-3': '2016-2'].info() # 切片包含最后一个月份

DatetimeIndex: 252 entries, 2015-03-02 to 2016-02-29
Data columns (total 1 columns):
price    252 non-null float64
dtypes: float64(1)
memory usage: 3.9 KB

部分字符串索引

google.loc['2016-6-1', 'price'] # 用完整日期配合 .loc[]

734.15

.asfreq(): 设定频率

.asfreq('D'):
- 将 DateTimeIndex 转为日历日频率

google.asfreq('D').info() # 设为日历日频率

DatetimeIndex: 729 entries, 2015-01-02 to 2016-12-30
Freq: D
Data columns (total 1 columns):
price    504 non-null float64
dtypes: float64(1)

.asfreq(): 设定频率

上采样：
- 更高频率会引入新日期 => 缺失值

google.asfreq('D').head()

             price
date              
2015-01-02  524.81
2015-01-03     NaN
2015-01-04     NaN
2015-01-05  513.87
2015-01-06  501.96

.asfreq(): 重设频率

.asfreq('B'):
- 将 DateTimeIndex 转为工作日频率

google = google.asfreq('B') # 改为日历日频率

google.info()

DatetimeIndex: 521 entries, 2015-01-02 to 2016-12-30
Freq: B
Data columns (total 1 columns):
price    504 non-null float64
dtypes: float64(1)

.asfreq(): 重设频率

google[google.price.isnull()] # 选择缺失的 'price'

            price
date             
2015-01-19    NaN
2015-02-16    NaN
...
2016-11-24    NaN
2016-12-26    NaN

非交易的工作日

Passons à la pratique !

Python 中的时间序列数据处理