python Pandas時序資料處理

import time
# 從格林威治時間到現在,單位秒
print('系統時間戳:', time.time())
print('本地時間按格式轉成str:', time.strftime('%Y-%m-%d %X', time.localtime()))
# 無參的localtime返回time.struct_time格式的時間,是本地時區的時間
print('無參localtime:', time.localtime())
print('本時區時間轉成時間戳:', time.mktime(time.localtime()))
# 將時間戳轉換為能讀懂的時間
print('時間戳轉時間:', time.strftime('%Y-%m-%d %X', time.localtime(time.time())))

import datetime
import numpy as np
import pandas as pd
# pd.date_range()函數用於建立一個Pandas時間序列DatetimeIndex
# start引數(也是第一個引數)傳入一個str格式的開始時間,也可以傳入一個datetime物件
# 這裡用datetime.datetime()建立了一個datetime物件,只用了前三個引數也就是年月日
# pd.date_range()函數可以指明end表示時間序列的結尾時間
# 這裡用periods引數指明序列中要生成的時間的個數,freq='D'指定為每天(Day)生成一個時間
dti = pd.date_range(start=datetime.datetime(2018, 11, 14), periods=18, freq='D')
print(dti, 'n', '*' * 40, sep='')
# 將時間序列放在Series物件中作為索引,這裡freq='W'表示隔一週生成一個
s_dti = pd.Series(np.arange(6), index=pd.date_range('2018/11/4', periods=6, freq='W'))
print(s_dti.head(), 'n', '*' * 40, sep='')
# 取時序資料中指定時間的內容
print(s_dti['2018-11-25'], 'n', '*' * 40, sep='')
# 取第二個索引對應的時間的年月日
print(s_dti.index[2].year, s_dti.index[2].month, s_dti.index[2].day, 'n', '*' * 40, sep='')

import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt
df = pd.read_csv('E:/Data/practice/hz_weather.csv')
df = df[['日期', '最高氣溫', '最低氣溫']]
# print(df.head())

print(type(df.日期))  # <class 'pandas.core.series.Series'>
print(type(df.日期.values))  # <class 'numpy.ndarray'>

# 修改日期格式
# 注意,df.日期得到的是Series物件,df.日期.values得到的是ndarray多維陣列
# pd.to_datetime()函數將輸入解析成時間物件的格式並返回
# format引數指定解析的方式
# 當輸入列表形式的值時,返回DatetimeIndex;當輸入Series時,返回Series;當輸入常數時,返回Timestamp
print(type(pd.to_datetime(df.日期.values, format="%Y-%m-%d")))  # <class 'pandas.core.indexes.datetimes.DatetimeIndex'>
print(type(pd.to_datetime(df.日期, format="%Y-%m-%d")))  # <class 'pandas.core.series.Series'>
df.日期 = pd.to_datetime(df.日期.values, format="%Y-%m-%d")
# print(df.head())

# 將日期設定為索引
df = df.set_index('日期')
# 取出第0個索引值對應的日期
print(df.index[0])  # 2017-01-01 00:00:00
# DatetimeIndex裡存的是一個個的Timestamp,檢視一下型別
print(type(df.index[0]))  # <class 'pandas._libs.tslibs.timestamps.Timestamp'>
# print(df.info())

# 提取1月份的溫度資料
df_jan = df[(df.index >= "2017-1-1") & (df.index < "2017-2-1")]
# 或用這種方式也可以
df_jan = df["2017-1-1":"2017-1-31"]
# print(df_jan.info())

# 只取到月份
df_m = df.to_period('M')
# print(df_m.head())

# 利用上面的只取到月份,對level=0(即索引層級)做聚合就可以求月內的平均值等
s_m_mean = df_m.groupby(level=0).mean()
# print(s_m_mean.head())

# 繪製[最高溫度]和[最低溫度]兩個指標隨著索引[時間]變化的圖
fig, ax = plt.subplots(1, 1, figsize=(12, 4))
df.plot(ax=ax)
plt.show()