pandas 时间日期 数据可视化
时间日期 数据可视化
时间日期
时间戳 tiimestamp：固定的时刻 -> pd.Timestamp
固定时期 period：比如 2016年3月份，再如2015年销售额 -> pd.Period
时间间隔 interval：由起始时间和结束时间来表示，固定时期是时间间隔的一个特殊
时间日期在 Pandas 里的作用：
1.分析金融数据，如股票交易数据
2.分析服务器日志
Python datetime
python 标准库里提供了时间日期的处理。这个是时间日期的基础。
时间差
字符串和 datetime 转换
Pandas 里的时间序列
Pandas 里使用 Timestamp 来表达时间
日期范围
生成日期范围
时间频率
时期及算术运算
pd.Period 表示时期，比如几日，月或几个月等。比如用来统计每个月的销售额，就可以用时期作为单位。
时期序列
时期的频率转换
asfreq
A-DEC: 以 12 月份作为结束的年时期
A-NOV: 以 11 月份作为结束的年时期
Q-DEC: 以 12 月份作为结束的季度时期
季度时间频率
Pandas 支持 12 种季度型频率，从 Q-JAN 到 Q-DEC
Timestamp 和 Period 相互转换
重采样
高频率 -> 低频率 -> 降采样：5 分钟股票交易数据转换为日交易数据
低频率 -> 高频率 -> 升采样
其他重采样：每周三 (W-WED) 转换为每周五 (W-FRI)
label =‘right’时显示为结束时间
OHLC 重采样
金融数据专用：Open/High/Low/Close
通过 groupby 重采样
ts = pd.Series(np.random.randint(0, 50, 100), index=pd.date_range(‘2016-03-01’, periods=100, freq=‘D’))
升采样和插值
时期重采样
从文件中读取日期序列
自定义时间日期解析函数
数据可视化
Pandas 的数据可视化使用 matplotlib 为基础组件。
线型图
Series 和 DataFrame 都提供了一个 plot 的函数。可以直接画出线形图
柱状图
直方图
直方图是一种对值频率进行离散化的柱状图。数据点被分到离散的，间隔均匀的区间中，绘制各个区间中数据点的数据。