Pandas中時間序列的處理大全

一、時間序列數據的生成

pd.date_ranges生成時間序列

  • time格式:年月日分隔符號可以是”-“,”/”,空格這三種格式(年月日、日月年、月日年都可以);時分秒隻能用”:”分隔,順序隻能是時分秒。
  • start:起始時間(time)
  • end:終止時間(time)
  • periods:期數(int),使用時隻能出現start或者end,兩者不能同時出現
  • freq:頻率(numY,num年;numM,num月;numD,num日),詳細參數見下表
頻率別名 描述
B 工作日頻率
C 自定義工作日頻率
D 日歷日頻率
W 每周頻率
M 每月最後一個日歷日
SM 每半個月最後一個日歷日(15日和月末)
BM 每月最後一個工作日
CBM 自定義每月最後一個工作日
MS 每月第一個日歷日
SMS 每半月第一個日歷日(第1和第15)
BMS 每月第一個工作日
CBMS 自定義每月第一個工作日
Q 每季度最後一個月的最後一個日歷日
BQ 每季度最後一個月的最後一個工作日
QS 每季度最後一個月的第一個日歷日
BQS 每季度最後一個月的第一個工作日
A, Y 每年的最後一個日歷日
BA, BY 每年的最後一個工作日
AS, YS 每年的第一個日歷日
BAS, BYS 每年的第一個工作日
BH 工作日按“時”計算頻率
H 每小時頻率
T, min 每分鐘頻率
S 每秒頻率
L, ms 毫秒頻率
U, us 微秒頻率
N 納秒頻率
import pandas as pd
import numpy as np
df = pd.DataFrame( data=np.random.randint(1,20,10),
                  index=pd.date_range(start="20/01/2021",periods=10,freq="M"),) 
print(df)

             0
2021-01-31   1
2021-02-28   6
2021-03-31  12
2021-04-30   5
2021-05-31   7
2021-06-30   4
2021-07-31   9
2021-08-31   7
2021-09-30  18
2021-10-31  10

             0
count  10.00000
mean    7.90000
std     4.72464
min     1.00000
25%     5.25000
50%     7.00000
75%     9.75000
max    18.00000

二、Pandas設置索引

創建時添加索引

pd.DataFrame(…,index=[],…)

df.set_index使用現有列設置索引

  • keys:列名,多個列用[name1,name2]
  • drop:設置升序(True)、降序(False)
  • inplace:替換原變量(True),不替換(False)
df.set_index(["X"],inplace=True)
df.set_index(["X","Y"],inplace=True)

df.reset_index可以還原索引

df.reset_index("X")

三、 時間序列數據的截取

df.truncate過濾數據

  • before:過濾之前的數據(time)
  • after:過濾之後的數據(time)
  • axis:列(columns),行(index)
df.truncate(before="2021-5",after="2021-9")

           0
2021-05-31  7
2021-06-30  4
2021-07-31  9
2021-08-31  7

df.loc索引過濾

df.loc["2021-5":]

             0
2021-05-31   7
2021-06-30   4
2021-07-31   9
2021-08-31   7
2021-09-30  18
2021-10-31  10

四、Pandas重復值處理

4.1 查詢是否有重復值

duplicated()方法判斷

# 判斷dataframe數據整行是否重復
df.duplicated()
# dataframe數據某列是否重復
df.columns_name.duplicated()
# 判斷dataframe數據多列數據是否重復(多列組合查)
df.duplicated(subset = ['n1','n2'])

groupby().count()

df.groupby('columns').count()>1

4.2 去除重復值

drop_duplicats參數說明:

  • 參數subset:用來指定特定的列,默認所有列
  • 參數keep:first和last表示是選擇最前一項還是最後一項保留,默認first
  • 參數inplace:是直接在原來數據上修改還是保留一個副本,默認為False
df.drop_duplicats(subset=['name1','name2'],keep='last',inplace=True)

按照index索引去重

df.index.duplicated(keep='last')


五、Pandas缺失值處理

5.1 缺失值查詢

df.info查詢各列的信息

df.info()

# res
<class 'pandas.core.frame.DataFrame'>
Int64Index: 10 entries, 19 to 14
Data columns (total 2 columns):
 #   Column  Non-Null Count  Dtype
---  ------  --------------  -----
 0   Y       10 non-null     int32
 1   Z       10 non-null     int32
dtypes: int32(2)
memory usage: 160.0 bytes

df.isnull判斷是否是空值

df.isnull().any() # 篩選出缺失值的列
df.isna().any() # 篩選出缺失值的列

df.empty判斷是否有空值

df.empty

5.2 缺失值填充

ffill 空值取前面的值

df.ffill()

bfill 空值取後面的值

df.bfill()

fillna 指定值填充

df.fillna(1)
df.fillna({'A': 0, 'B': 1, 'C': 2, 'D': 3}) # 指定列填充

interpolate 插值

  • df.interpolate(method=‘linear’, axis=0, limit=None, inplace=False, limit_direction=‘forward’, limit_area=None, downcast=None, **kwargs)
  • method參數解釋
    • linear:忽略索引,線性等距插值
    • time:在以天或者更高頻率的數據上插入給定的時間間隔長度數據
    • index, values:使用索引的實際數值
    • pad:使用現有值填寫NaN
    • nearest, zero, slinear, quadratic, cubic, spline, barycentric, polynomial:傳遞給scipy.interpolate.interp1d。這些方法使用索引的數值。polynomial和spline都要求您還指定一個順序(int),例如 ,df.interpolate(method=‘polynomial’, order=5)
    • krogh,piecewise_polynomial,spline,pchip,akima:包括類似名稱的SciPy插值方法。
    • from_derivatives:指 scipy.interpolate.BPoly.from_derivatives,它替換瞭scipy 0.18中的’piecewise_polynomial’插值方法
  • axis : {0或’index’,1或’columns’,None},默認為None;沿軸進行interpolate。
  • limit: int;要填充的連續NaN的最大數量。必須大於0
  • inplace : bool,默認為False;如果可以,更新現有數據
  • limit_direction : {‘forward’,‘backward’,‘both’},默認為’forward’;如果指定瞭限制,則將沿該方向填充連續的NaN
  • limit_area : {None, ‘inside’, ‘outside’}, 默認為None;如果指定瞭限制,則連續的NaN將填充此限制。
  • None:無填充限制
  • inside:僅填充有效值包圍的NaN
  • outside: 僅在有效值之外填充NaN
dff.interpolate(method='polynomial',order=2)

刪除缺失值

df.dropna(how='any')

六、pandas統計計算方法

方法 說明
count 非NaN值的數理
describe 列計算統計匯總
min、max 最小值和最大值
argmin、argmax 最小值和最大值索引(int)
idxmin、idxmax 最小值和最大值索引
quantile 分位數([0,1],0.25下四分為)
sum 總和
mean 均值
median 0.5分位數,中位數
mad 根據均值計算絕對離差
var 方差
std 標準差
df.describe()

七、Pandas數據重采樣

重采樣就是基於時間數據由一個頻率轉換到另一個頻率的方法,分為降采樣和升采樣。

降采樣:高頻率===>低頻率,如頻率日變為月,需要指定統計函數如sum

df.resample("M").mean()

升采樣:低頻率===>高頻率,如頻率月變為日,需要進行缺失值填充

df.resample("D").asfreq().fillna(1)

總結

到此這篇關於Pandas中時間序列處理的文章就介紹到這瞭,更多相關Pandas時間序列處理內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!

推薦閱讀: