【Python數據分析】pandas時期period

目錄

• 1.pandas模塊之period
  • 1.1 period創建時期
  • 1.2 period_range創建時期范圍
  • 1.3 asfreq頻率轉換
  • 1.4 時間戳與日期之間轉換

1.pandas模塊之period

1.1 period創建時期

import pandas as pd
# pd.Period()創建時期

p = pd.Period('2017', freq = 'M')
print(p, type(p))
# 生成一個以2017-01開始，月為頻率的時間構造器
# pd.Period()參數：一個時間戳 + freq 參數 → freq 用於指明該 period 的長度，時間戳則說明該 period 在時間軸上的位置

print(p + 1)
print(p - 2)
print(pd.Period('2020', freq = 'A-DEC') - 1) # A-月 DEC-12月
# 通過加減整數，將周期整體移動
# 這里是按照 月、年 移動

1.2 period_range創建時期范圍

import pandas as pd
import numpy as np
# pd.period_range()創建時期范圍

prng = pd.period_range('1/1/2011', '1/1/2012', freq='M')
print(prng,type(prng))
print(prng[0],type(prng[0]))
# 數據格式為PeriodIndex，單個數值為Period

ts = pd.Series(np.random.rand(len(prng)), index = prng)
print(ts,type(ts))
print(ts.index)
# 時間序列

# Period('2011', freq = 'A-DEC')可以看成多個時間期的時間段中的游標
# Timestamp表示一個時間戳，是一個時間截面；Period是一個時期，是一個時間段！！但兩者作為index時區別不大

1.3 asfreq頻率轉換

# asfreq：頻率轉換
import pandas as pd
import numpy as np
p = pd.Period('2017','A-DEC')
print(p)
print(p.asfreq('M', how = 'start'))  # 也可寫 how = 's'
print(p.asfreq('D', how = 'end'))  # 也可寫 how = 'e'
# 通過.asfreq(freq, method=None, how=None)方法轉換成別的頻率

prng = pd.period_range('2017','2018',freq = 'M')
ts1 = pd.Series(np.random.rand(len(prng)), index = prng)
ts2 = pd.Series(np.random.rand(len(prng)), index = prng.asfreq('D', how = 'start'))
print(ts1.head(),len(ts1))
print(ts2.head(),len(ts2))
# asfreq也可以轉換TIMESeries的index

1.4 時間戳與日期之間轉換

import pandas as pd
import numpy as np
# 時間戳與時期之間的轉換：pd.to_period()、pd.to_timestamp()

rng = pd.date_range('2017/1/1', periods = 10, freq = 'M')
prng = pd.period_range('2017','2018', freq = 'M')

ts1 = pd.Series(np.random.rand(len(rng)), index = rng)
print(ts1.head())
print(ts1.to_period().head())
# 每月最后一日，轉化為每月

ts2 = pd.Series(np.random.rand(len(prng)), index = prng)
print(ts2.head())
print(ts2.to_timestamp().head())
# 每月，轉化為每月第一天