numpy處理時間序列

1. 字符串轉成numpy.datetime64格式

import numpy as np
#將字符串轉換成numpy格式時間
#注意個位前補0，如1月寫成01
nd=np.datetime64('2019-01-10')
nd

np.datetime64('1901')

 

2. numpy.datetime64轉成字符串格式

#轉化為字符串
np.datetime_as_string(nd)

 

3.  np.arange生成時間序列

#生成時間序列
#默認以日為間隔，算頭不算尾
np.arange('2019-01-05','2019-01-10',dtype='datetime64')

 

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False
#設定隨機種子（括號里的數字只是起標記作用）
np.random.seed(1)
#h:小時，m:分，s：秒，ms微秒
#生成分時
x=np.arange('2019-01-10T00:00:00','2019-01-10T23:00:00',dtype='datetime64[m]')
#生成標准正態分布時間序列
y=np.random.standard_normal(len(x))
#設置圖片大小
fig=plt.figure(figsize=(12,6))
#將x的np.datetime轉換為datetime.datetime
plt.plot(x.astype(datetime),y)
fig.autofmt_xdate()
plt.title('模擬23小時內每分鍾正態分布的隨機數分布')
# 將右邊 上邊的兩條邊顏色設置為空 其實就相當於抹掉這兩條邊
ax = plt.gca()  
ax.spines['right'].set_color('none') 
ax.spines['top'].set_color('none')  
plt.show()

 

　　

參考文獻：

【1】【手把手教你】Python處理金融數據