8. Pandas 日期与时间序列数据处理

Pandas 日期与时间序列数据处理

时间序列数据广泛应用于 金融交易、销售分析、交通流量、气象研究 等领域。Pandas 提供了强大的日期与时间处理能力，包括日期类型转换、日期属性提取、时间索引设置、重采样与滚动计算等功能。本文通过实例演示这些操作，帮助你快速掌握时间序列分析的基础技能。

---

1. 日期转换（.to_datetime）

在数据集中，日期常以字符串或数值形式存在，需要先转换为 Pandas 的日期时间类型：

import pandas as pddata = {"日期": ["2025-01-01", "2025-01-05", "2025-01-10", "2025-01-15"],"销售额": [100, 150, 200, 130]
}df = pd.DataFrame(data)df['日期'] = pd.to_datetime(df['日期'])  # 转换为 datetime 类型
print(df.dtypes)
print(df)

日期     datetime64[ns]
销售额             int64
dtype: object日期  销售额
0 2025-01-01  100
1 2025-01-05  150
2 2025-01-10  200
3 2025-01-15  130

---

2. 提取日期属性（.dt）

利用 .dt 可以直接提取日期的年、月、日、周、季度等信息：

df['年'] = df['日期'].dt.year
df['月'] = df['日期'].dt.month
df['日'] = df['日期'].dt.day
df['周'] = df['日期'].dt.isocalendar().week
df['季度'] = df['日期'].dt.quarterprint(df)

        日期  销售额   年  月  日 周  季度
0 2025-01-01  100  2025  1   1  1   1
1 2025-01-05  150  2025  1   5  1   1
2 2025-01-10  200  2025  1  10  2   1
3 2025-01-15  130  2025  1  15  3   1

dt.strftime(“%Y-%m-%d”) 可以灵活格式化日期，例如生成 “2025年1月5日” 这样的字符串。

---

3. 时间索引与重采样（resample）

设置日期列为索引后，可对时间序列进行重采样和聚合分析。

df.set_index('日期', inplace=True)
print(df)

            销售    年  月  日 周  季度
日期                                 
2025-01-01  100  2025  1   1  1   1
2025-01-05  150  2025  1   5  1   1
2025-01-10  200  2025  1  10  2   1
2025-01-15  130  2025  1  15  3   1

3.1 重采样与聚合

# 按周求销售额总和
weekly_sales = df['销售额'].resample('W').sum()
print("按周汇总销售额：\n", weekly_sales)# 按月求平均销售额
monthly_sales = df['销售额'].resample('M').mean()
print("\n按月平均销售额：\n", monthly_sales)

按周汇总销售额：日期
2025-01-05    250
2025-01-12    200
2025-01-19    130
Freq: W-SUN, Name: 销售额, dtype: int64按月平均销售额：日期
2025-01-31    145.0
Freq: ME, Name: 销售额, dtype: float64

常用重采样频率：

• D：天
• W：周
• M：月
• Q：季度
• Y：年
• H：小时
• T 或 min：分钟

3.2 填充缺失时间

重采样可能会出现缺失值，可以用前向/后向填充：

# 按天重采样，缺失值前向填充
daily_sales = df['销售额'].resample('D').sum().fillna(method='ffill')
print("按天重采样并填充缺失值：\n", daily_sales)

按天重采样并填充缺失值：日期
2025-01-01    100
2025-01-02      0
2025-01-03      0
2025-01-04      0
2025-01-05    150
2025-01-06      0
2025-01-07      0
2025-01-08      0
2025-01-09      0
2025-01-10    200
2025-01-11      0
2025-01-12      0
2025-01-13      0
2025-01-14      0
2025-01-15    130
Freq: D, Name: 销售额, dtype: int64

---

4. 时间差与滚动计算

4.1 时间差计算

df1 = pd.DataFrame(df['销售额'])df1['前一日销售额'] = df['销售额'].shift(1)
df1['销售额变化'] = df['销售额'] - df['前一日销售额']
print(df1)

          销售额 前一日销售额 销售额变化
日期                            
2025-01-01  100     NaN    NaN
2025-01-05  150   100.0   50.0
2025-01-10  200   150.0   50.0
2025-01-15  130   200.0  -70.0

shift() 可对比任意滞后期，例如 shift(7) 可用于 同比/环比分析。

4.2 滚动窗口计算

# 3日移动平均
df['3日均值'] = df['销售额'].rolling(window=3).mean()
print(df)

          销售额 前一日销售额 销售额变化 3日均值
日期                                   
2025-01-01  100     NaN    NaN    NaN
2025-01-05  150   100.0   50.0    NaN
2025-01-10  200   150.0   50.0  150.0
2025-01-15  130   200.0  -70.0  160.0

常见滚动函数：mean()、sum()、max()、min()、std()。

---

5. 小结

• 日期转换：pd.to_datetime 将字符串/数值转换为日期类型。
• 日期属性提取：.dt 可获取年、月、日、周、季度等信息，支持格式化输出。
• 时间索引与重采样：通过 resample 可按日、周、月等周期聚合数据，并支持缺失值填充。
• 时间差与滚动计算：可计算增量或移动均值，辅助趋势分析与预测。

时间序列处理是 金融市场预测、零售趋势分析、交通流量监测、气象建模 等领域的核心技能。熟练掌握这些方法，能让数据分析更高效、更有洞察力。