这里面的每一道题我应该怎样写

根据提供的实验报告内容，你可以按照以下步骤来完成每个部分的任务：

### 1. 创建带时期索引的对象

#### (1) 创建 Period 对象
- **任务**：创建 `Period` 对象，表示特定的时间段。
- **具体步骤**：
- 使用 `pd.Period()` 函数创建两个 `Period` 对象：
- 第一个对象表示从 `2024-01-01` 到 `2024-12-31` 的年份。
- 第二个对象表示从 `2024-11-01` 到 `2024-11-30` 的月份。

  import pandas as pd

  period_year = pd.Period('2024', 'A')
  period_month = pd.Period('2024-11', 'M')

#### (2) 时期计算
- **任务**：对 `Period` 对象进行加减操作。
- **具体步骤**：
- 将上述创建的 `Period` 对象分别加上和减去一个整数 2。
- 创建一个新的 `Period` 对象，使其频率与 `period_month` 相同，并进行数据运算。

  period_year_plus_2 = period_year + 2
  period_year_minus_2 = period_year - 2

  period_month_plus_2 = period_month + 2
  period_month_minus_2 = period_month - 2

  new_period = pd.Period('2024-11', 'M')
  result = period_month + new_period

#### (3) 创建 PeriodIndex 类的对象
- **任务**：创建带有固定频率的 `PeriodIndex` 对象。
- **具体步骤**：
- 使用 `pd.period_range()` 方法创建多个固定频率的 `Period` 对象。
- 直接调用 `pd.PeriodIndex()` 方法，传入一组日期字符串和频率。

  period_index_range = pd.period_range(start='2024-01-01', end='2024-12-31', freq='M')

  date_strings = ['2024-01-01', '2024-02-01', '2024-03-01']
  period_index_direct = pd.PeriodIndex(date_strings, freq='M')

#### (4) 创建 Series 类的对象
- 创建一个数据集。
- 使用 `pd.Series()` 方法创建 `Series` 对象，其中 `data` 是生成的数据，`index` 是 `PeriodIndex`。

  data = [i for i in range(len(period_index_range))]
  series = pd.Series(data, index=period_index_range)

### 2. 重采样

#### (1) 创建 DatetimeIndex 对象
- **任务**：创建一个包含 100 个时间戳的 `DatetimeIndex` 对象。
- **具体步骤**：
- 使用 `pd.date_range()` 方法创建时间戳。

  datetime_index = pd.date_range(start='2024-11-29', periods=100, freq='H')

#### (2) 创建数据集
- **任务**：生成一个随机数据集。
- **具体步骤**：
- 使用 `np.random.rand()` 方法生成随机数据。

  import numpy as np

  random_data = np.random.rand(100)

#### (3) 创建 Series 对象
- **任务**：创建一个 `Series` 对象，其索引为 `DatetimeIndex`。
- **具体步骤**：
- 使用 `pd.Series()` 方法创建 `Series` 对象。

  series = pd.Series(random_data, index=datetime_index)

#### (4) 重新采样
- **任务**：按周重采样。
- **具体步骤**：
- 使用 `resample()` 方法按周重采样。

  weekly_sampled = series.resample('W').mean()

#### (5) 降采样
- **任务**：通过 `resample()` 和 `ohlc()` 方法实现降采样。
- **具体步骤**：
- 使用 `resample()` 方法按 7 天降采样，并使用 `ohlc()` 方法获取高开低收数据。
- 通过分组实现降采样，取平均值。

  ohlc_downsampled = series.resample('7D').ohlc()

  grouped = series.groupby(pd.Grouper(freq='7D'))
  mean_downsampled = grouped.mean()

#### (6) 升采样
- **任务**：将降采样后的数据升采样。
- **具体步骤**：
- 使用 `resample()` 方法按天升采样，并使用 `asfreq()` 方法填充缺失值。

  upsampled = ohlc_downsampled.resample('D').asfreq().ffill(limit=2)

### 3. 滑动窗口

#### (1) 创建数据集
- **任务**：创建一个数据集，取值范围为 `[20, 90]` 之间的整数，长度为 100。
- **具体步骤**：
- 使用 `np.random.randint()` 方法生成数据。

  data = np.random.randint(20, 91, size=100)

#### (2) 创建 DatetimeIndex 对象
- **任务**：创建一个包含 100 个时间戳的 `DatetimeIndex` 对象。
- **具体步骤**：
- 使用 `pd.date_range()` 方法创建时间戳。

  datetime_index = pd.date_range(start='2024-11-29', periods=100, freq='H')

#### (3) 创建 Series 对象
- **任务**：创建一个 `Series` 对象。
- **具体步骤**：
- 使用 `pd.Series()` 方法创建 `Series` 对象。

  series = pd.Series(data, index=datetime_index)

#### (4) 创建滑动窗口
- **任务**：创建一个滑动窗口，长度为 5。
- **具体步骤**：
- 使用 `rolling()` 方法创建滑动窗口。

  window = series.rolling(window=5)

#### (5) 计算平均值
- **任务**：在时间窗口中计算平均值。
- **具体步骤**：
- 使用 `mean()` 方法计算平均值。

  rolling_mean = window.mean()

#### (6) 绘制折线图
- **任务**：绘制原始数据与滑动窗口数据的折线图。
- **具体步骤**：
- 使用 `plot()` 方法绘制折线图。

  import matplotlib.pyplot as plt

  fig, ax = plt.subplots()
  series.plot(ax=ax, label='Original Data')
  rolling_mean.plot(ax=ax, label='Rolling Mean')
  ax.legend()
  plt.show()

希望这些步骤能帮助你顺利完成实验报告中的各个任务！如果有任何疑问或需要进一步的帮助，请随时提问。