1. python時間序列(2)
時期（period）表示的是時間區間，比如數日、數月、數季、數年等。Period類所 表示的就是這種數據類型，其構造函數需要用到一個字元串或整數，以及表11-4中 的頻率:
這里，這個Period對象表示的是從2007年1月1日到2007年12月31日之間的整段時間。
只需對Period對象加上或減去一個整數即可達到根據其頻率進行位移的效果：
如果兩個Period對象擁有相同的頻率，則它們的差就是它們之間的單位數量：
period_range函數可用於創建規則的時期范圍：
PeriodIndex類保存了一組Period，它可以在任何pandas數據結構中被用作軸索引：
如果你有一個字元串數組，你也可以使用PeriodIndex類：
Period和PeriodIndex對象都可以通過其asfreq方法被轉換成別的頻率。假設我們有 一個年度時期，希望將其轉換為當年年初或年末的一個月度時期。該任務非常簡 單：
你可以將Period('2007','A-DEC')看做一個被劃分為多個月度時期的時間段中的游 標。圖11-1對此進行了說明。
對於一個不以12月結束的財政年度，月度子時期的歸屬情況就不一樣了：
在將高頻率轉換為低頻率時，超時期（superperiod）是由子時期（subperiod）所 屬的位置決定的。例如，在A-JUN頻率中，月份「2007年8月」實際上是屬於周期「2008年」的：
完整的PeriodIndex或TimeSeries的頻率轉換方式也是如此：
這里，根據年度時期的第一個月，每年的時期被取代為每月的時期。
如果我們想要 每年的最後一個工作日，我們可以使用「B」頻率，並指明想要該時期的末尾：
未完待續。。。
2. python中時間序列數據的一些處理方式
datetime.timedelta對象代表兩個時間之間的時間差，兩個date或datetime對象相減就可以返回一個timedelta對象。
利用以下數據進行說明：
如果我們發現時間相關內容的變數為int,float,str等類型，不方便後面的分析，就需要使用該函數轉化為常用的時間變數格式：pandas.to_datetime
轉換得到的時間單位如下：
如果時間序列格式不統一，pd.to_datetime()的處理方式：
當然，正確的轉換是這樣的：
第一步：to_datetime()
第二步：astype(datetime64[D]),astype(datetime64[M])
本例中：
order_dt_diff必須是Timedelta(Ɔ days 00:00:00')格式，可能是序列使用了diff()
或者pct_change()。
前者往往要通過'/np.timedelta'去掉單位days。後者其實沒有單位。
假如我們要統計某共享單車一天內不同時間點的用戶使用數據，例如
還有其他維度的提取，年、月、日、周，參見：
Datetime properties
注意 ：.dt的對象必須為pandas.Series,而不可以是Series中的單個元素
3. Pandas-時間序列基礎
Python標准庫中包含用於日期和時間的數據類型，而且還有日歷方面的功能，我們主要會用到datetime、time和calendar模塊，datetime.datetime是用的最多的數據類型。
datetime以毫秒形式存儲日期和時間，datetime.timedelta表示兩個datetime對象之間的時間差.
可以給datetime對象加上或者減去一個或多個timedelta，會產生一個新對象:
利用str或者strftime方法，datetime對象和pandas的Timestamp對象可以被格式化為字元串:
datetime.strptime也可以用這些格式化編碼將字元串轉化為日期:
datetime.strptime是通過已知格式進行日期解析的最佳方式，但是每次都要編寫格式定義很麻煩，尤其是對於一些常見的日期格式，這種情況下，可以用dateutil這個第三方包中的parser.parse方法,dateutil可以解析幾乎所有人類能夠理解的日期表示形式:
在國際通用格式中，日通常出現在月的前面，傳入dayfirst=True即可:
pandas通常是用於處理成組日期的，不管這些日期是DataFrame的軸索引還是列，to_datetime方法可以解析多種不同的日期表示形式。
to_datetime可以處理缺失值，NAT是pandas中時間戳數據的NA值:
pandas最基本的時間序列類型就是以時間戳為索引的Series：
這里的Series索引不是普通的索引，而是DatetimeIndex，而ts變為了一個TimeSeries,同時，可以看到，pandas用Numpy的datetime64數據類型以納秒形式存儲時間戳。
跟其他Series一樣，不同索引的時間序列之間的算數運算會自動對齊:
DateTimeIndex中的各個標量值是pandas的Timestamp對象.
由於TimeSeries是Series的一個子類，所以在索引以及數據選曲方面他們的行為是一樣的，但是我們還可以傳入一個可以被解釋為日期的字元串來進行索引:
對於較長的時間序列，只需傳入年或年月即可輕松選取數據的切片:
通過日期進行切片的方式只對規則Series有效：
還有一個等價的實例方法也可以截取兩個日期之間的TimeSeries:
DataFrame也同樣適用上面的規則
pandas中的時間序列一般被認為是不規則的，也就是說，沒有固定的頻率，對於大部分程序而言，這是無所謂的，但是，他常常需要以某種相對固定的頻率進行分析，比如每月，每日，每15min等。pandas有一套標准時間序列頻率以及用於重采樣，頻率推斷，生成固定頻率日期范圍的工具.
例如，我們可以將之前的時間序列轉換為一個具有固定頻率（每日）的時間序列，只需調用resample即可.返回DatetimeIndexResampler，獲取值使用asfreq():
生成日期范圍使用date_range函數
默認情況下，date_range會產生按天計算的時間點，如果只傳入起始或結束日期，那就還得傳入一個表示一段時間的數字:
如果你不想按天生成數據，想要按照一定的頻率生成，我們傳入freq參數即可.如想按5小時生成數據:
如果你想生成一個由每月最後一個工作日組成的日期索引，可以使用BM頻率:
date_range默認會保留起始和結束的時間戳的時間信息，但是如果我們想產生一組規范化到午夜的時間戳，normalize選項可以實現這個功能:
WOM（week of Month）是一種非常實用的頻率類，它以WOM開頭，它使你能獲得諸如每月第三個星期五之類的日期:
4. python(pandas模塊)
Pandas是Python的一個數據分析包，最初由AQR Capital
Management於2008年4月開發，並於2009年底開源出來，目前由專注於Python數據包開發的Pydata開發team繼續開發和維護，屬於PyData項目的一部分，pandas最初被作為金融數據分析工具而開發出來，因此pandas為時間序列分析提供了很好的支持。
Pandas的名稱來自於面板數據和python數據分析。panel
data是經濟學中關於多維數據集的一個術語，在Pandas中也提供了panel的數據類型。
Pandas數據結構：
Series：一維數組，與numpy中的一維array類似。二者與Python基本的數據結構list相近，Series如今能保存不同種數據類型，字元串、boolean值、數字等都能保存在series中。
Time-series：以時間為索引的series。
DataFrame：二維的表格型數據結構，很多功能與R中的data.frame類似，可以將DataFrame理解為Series的容器。
Panel ：三維的數組，可以理解為DataFrame的容器。
Panel4D：是像Panel一樣的4維數據容器。
PanelND：擁有factory集合，可以創建像Panel4D一樣N維命名容器的模塊。
5. python數據分析時間序列如何提取一個月的數據
python做數據分析時下面就是提取一個月數據的教程1. datetime庫
1.1 datetime.date
1） datetime.date.today() 返回今日，輸出的類型為date類
import datetime
today = datetime.date.today()
print(today)
print(type(today))
–> 輸出的結果為：
2020-03-04
<class 'datetime.date'>
將輸出的結果轉化為常見數據類型（字元串）
print(str(today))
print(type(str(today)))
date = str(today).split('-')
year,month,day = date[0],date[1],date[2]
print('今日的年份是{}年,月份是{}月,日子是{}號'.format(year,month,day))
–> 輸出的結果為：(轉化為字元串之後就可以直接進行操作)
2020-03-04
<class 'str'>
今日的年份是2020年,月份是03月,日子是04號
2） datetime.date(年,月,日)，獲取當前的日期
date = datetime.date(2020,2,29)
print(date)
print(type(date))
–> 輸出的結果為：
2020-02-29
<class 'datetime.date'>
1.2 芹喊datetime.datetime
1） datetime.datetime.now()輸出當前時間，datetime類
now = datetime.datetime.now()
print(now)
print(type(now))
–> 輸出的結果為：(注意秒後面有個不確定尾數)
2020-03-04 09:02:28.280783
<class 'datetime.datetime'>
可通過str()轉化為字元串（和上面類似）
print(str(now))
print(type(str(now)))
–> 輸出的結果為：（這里也可以跟上面的處理類似分別獲得相應的數據，但是也可以使用下面更直接的方法來獲取）
2020-03-04 09:04:32.271075
<class 'str'>
2） 通過自帶的方法獲取年月日，時分秒（這里返回的是int整型數據，注意區別）
now = datetime.datetime.now()
print(now.year,type(now.year))
print(now.month,type(now.month))
print(now.day,type(now.day))
print(now.hour,type(now.hour))
print(now.minute,type(now.minute))
print(now.second,type(now.second))
print(now.date(),type(now.date()))
print(now.date().year,type(now.date().year))
–> 輸出的結果為：（首先注意輸出中倒數第二個還是上面的純檔datetime.date對象，這里是用來做時間對比的，同時除了這里的datetime.datetime有這種方法，datetime.date對象也有。因為此方法獲取second是取的整型數據，自然最後的不確定尾數就被取整處理掉了）
2020 <class 'int'>
3 <class 'int'>
4 <class 'int'>
9 <class 'int'>
12 <class '做首亂int'>
55 <class 'int'>
2020-03-04 <class 'datetime.date'>
2020 <class 'int'>