pandas处理时间序列

Pandas是一个强大的用于处理时间序列数据的工具。下面是一些常用的Pandas处理时间序列的方法和示例：

1. 创建时间序列

import pandas as pd

# 创建一个包含日期范围的时间序列
dates = pd.date_range(start='2021-01-01', end='2021-01-10', freq='D')
print(dates)

2. 时间索引

import pandas as pd

# 创建一个包含日期范围的时间序列，并将其设置为DataFrame的索引
dates = pd.date_range(start='2021-01-01', end='2021-01-10', freq='D')
data = pd.DataFrame({'value': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]}, index=dates)
print(data)

3. 时间位移

import pandas as pd
from pandas.tseries.offsets import DateOffset

# 将时间序列向前或向后移动一定的时间
dates = pd.date_range(start='2021-01-01', end='2021-01-10', freq='D')
shifted_dates = dates + DateOffset(days=1)
print(shifted_dates)

4. 时间重采样

import pandas as pd

# 将时间序列的频率从天重采样为月
dates = pd.date_range(start='2021-01-01', end='2021-12-31', freq='D')
data = pd.DataFrame({'value': range(len(dates))}, index=dates)
resampled_data = data.resample('M').sum()
print(resampled_data)

5. 时间切片

import pandas as pd

# 选择特定时间范围内的数据
dates = pd.date_range(start='2021-01-01', end='2021-12-31', freq='D')
data = pd.DataFrame({'value': range(len(dates))}, index=dates)
sliced_data = data['2021-01-01':'2021-01-10']
print(sliced_data)