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

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

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：

• pandas數據清洗(缺失值和重復值的處理)
• Python數據分析之缺失值檢測與處理詳解
• Python pandas處理缺失值方法詳解(dropna、drop、fillna)
• Pandas缺失值填充 df.fillna()的實現
• 淺談pandas中對nan空值的判斷和陷阱