跳到主要内容

Pandas 时间序列之 Timestamp

1. 前言​

上一小节，我们了解了 Pandas 库中时间序列的特点和三类常用时间序列的类型，从本小节开始，我们将针对每一类时间序列展开详细的学习，本小节我们将学习时间序列之时间戳 (Timestamp) 的详细特点和创建方法。

2. 时间戳​

时间戳表示特定的时间点，在 Pandas 中的提供了时间戳数据类型 Timestamp 。

2.1 时间戳的创建方法​

Pandas 库中提供了函数供时间戳的创建，其中有几个常用参数，我们这在这里列举一下：

pd.Timestamp(ts_input, freq=None, tz=None, unit=None,year=None, month=None, day=None, hour=None, minute=None,second=None, microsecond=None, nanosecond=None, tzinfo=None)

参数名说明
ts_input要转换为时间戳的值
tz时区，如 tz=‘Asia/Shanghai’ 上海时区
year、month、day年、月、日
hour、minute、second、microsecond、nanosecond时、分、秒、微秒、纳秒

下面我们通过代码展示一下 Timestamp () 函数创建时间戳的操作：

# 导入 pandas 数据包
import pandas as pd
date_res=pd.Timestamp("2020-12-23")
print(date_res)
print(type(date_res))
# --- 输出结果 ---
2020-12-23 00:00:00
<class 'pandas.\_libs.tslibs.timestamps.Timestamp'>
# 结果解析：这里我们通过直接传一个字符串的日期数据，Timestamp() 函数会创建一个时间戳数据

date_res=pd.Timestamp(year=2021,month=1,day=3,hour=12,minute=23,second=22)
print(date_res)
print(type(date_res))
# --- 输出结果 ---
2021-01-03 12:00:22
<class 'pandas.\_libs.tslibs.timestamps.Timestamp'>
# 结果解析：这里我们通过指定年月日时分秒，生成一个时间戳，如果我们不指定对应的数值，默认是 0

2.2 时间戳常用的属性和方法​

Pandas 时间戳对象中提供了丰富的属性，便于对时间戳的处理，这里我们通过代码具体演示几个常用的属性和方法。

  1. weekofyear 属性

获取该时间戳在当年的第多少周

date_res=pd.Timestamp("2020-3-17",tz='Asia/Shanghai')
print(date_res.weekofyear)
# --- 输出结果 ---
12

  1. dayofyear 属性

获取该时间是一年的第多少天

date_res=pd.Timestamp("2021-1-6",tz='Asia/Shanghai')
print(date_res.dayofyear)
# --- 输出结果 ---
6

  1. is_year_end 属性

获取该时间戳是否是一年的最后一天

date_res=pd.Timestamp("2021-1-6",tz='Asia/Shanghai')
print(date_res.is_year_end)
# --- 输出结果 ---
False

  1. now() 方法

获取当前时间的方法

date_res=pd.Timestamp("2020-3-17",tz='Asia/Shanghai')
print(date_res.now())
# --- 输出结果 ---
2021-01-06 21:30:08.051878

  1. day_name() 方法

获取时间戳是星期几名字的方法

date_res=pd.Timestamp("2021-1-6",tz='Asia/Shanghai')
print(date_res.day_name())
# --- 输出结果 ---
Wednesday

  1. isocalendar() 方法

获取时间戳是那一年，这一年的第几周，周几这三个值

date_res=pd.Timestamp("2021-1-6",tz='Asia/Shanghai')
print(date_res.isocalendar())
# --- 输出结果 ---
(2021, 1, 3)

2.3 时间戳索引​

上面我讲到的时间戳，在放到数据集中，我们可以将其作为时间戳索引，便于我们在时间基础上对数据的处理和分析，时间戳作为索引序列对应的对应的类型是 DatetimeIndex ，它可以用于 Series 和 DataFrame 的数据集中。下面我们通过构造一组 Series 数据，来进行演示创建时间索引 DatetimeIndex 和时间索引数据的查找特点：

# 导入 pandas 数据包
import pandas as pd
df_data=pd.Series([786,890,977,912,825,586], index=['2017-04-12','2017-05-17','2018-04-12','2020-05-16','2018-05-12','2020-04-12'])
print(df_data)

# --- 输出结果 ---
2017-04-12    786
2017-05-17    890
2018-04-12    977
2020-05-16    912
2018-05-12    825
2020-04-12    586
dtype: int64

输出解析：这里看到我们的数据索引是一组年月日的数据格式，但他们的数据类型并不是时间序列，而是字符串。这里我们要用到 DatetimeIndex () 函数将一组数据转换为时间戳索引：

# 通过 DatetimeIndex() 函数 转换为时间戳索引
index_date=pd.DatetimeIndex(['2017-04-12','2017-05-17','2018-04-12','2020-05-16',
                             '2018-05-12','2020-04-12'])
df_data=pd.Series([786,890,977,912,825,586],index=index_date)
print(df_data)

# --- 输出结果 ---
2017-04-12    786
2017-05-17    890
2018-04-12    977
2020-05-16    912
2018-05-12    825
2020-04-12    586
dtype: int64
# 结果解析：在输出结果上和之前没有什么区别，但这里我们能方便的对数据的时间索引进行查找操作，可以直接获得某一年的数据：

print(df_data['2017'])
# --- 输出结果 ---
2017-04-12    786
2017-05-17    890
dtype: int64

除了上面通过 DatetimeIndex () 函数创建时间戳索引，我们还可以通过 date_range () 函数来生成时间戳索引，具体操作如下：

# 导入 pandas 数据包
import pandas as pd
index_date=pd.date_range(start="2020-12-20 01:00:00",end="2020-12-20 12:00:00",freq="2H")
series_data=pd.Series([786,890,977,912,825,586],index=index_date)
print(series_data)
# --- 输出结果 ---
2020-12-20 01:00:00    786
2020-12-20 03:00:00    890
2020-12-20 05:00:00    977
2020-12-20 07:00:00    912
2020-12-20 09:00:00    825
2020-12-20 11:00:00    586
Freq: 2H, dtype: int64

3. 小结​

本节课程我们主要学习了 Pandas 库中的时间戳，表示具体的时间点，学习如何创建一个时间戳，时间戳中常用的方法和属性，以及时间戳索引的相关知识。本节课程的重点如下：

  • 创建时间戳，以及时间戳中常用的方法和属性；
  • 时间戳索引的特点，以及如何将时间数据转换为时间戳索引。

图片描述