时间序列数据是数据分析中一类常见且重要的数据。
它们按照时间顺序记录，通常是从某些现象的观察中收集的，比如经济指标、气象数据、股票价格、销售数据等等。
时间序列数据的特点是有规律地随着时间变化而变化，它们的变化趋势可以被分析和预测。时间序列分析是一种用于预测未来值或评估过去值的统计方法，常常被用于预测未来趋势、季节性变化、周期性变化、随机波动等。
1. 日期类型
原始数据中，日期一般会存储为各种类型字符串，比如：
- 2022/5/1
- 2022-05-02
- 3/5/2022
将其统一转换为pandas的日期类型，后续统计分析时，不仅方便计算，还可以有效避免应对各种格式带来的麻烦。
1.1 转换为日期类型
pandas的to_datetime函数对于数据集中各类日期字符串都能有效的转换。
df = pd.DataFrame( { "日期": ["2022/5/1", "2022-05-02", "3/5/2022"], "城市": ["合肥", "合肥", "合肥"], "平均气温": [28, 31, 27], },)print(df)print(df.dtypes)
可以看出，默认的日期是字符串类型且格式混乱。
转换后：
df["日期"] = pd.to_datetime(df["日期"])print(df)print(df.dtypes)
日期显示起来格式统一了，类型也变为了datetime64[ns]。
1.2 生成日期序列
除了将数据集读取来的日期字符串转换为日期类型，我们也可以生成日期序列，这些生成的日期序列可以作为的数据索引，也可以用来补充数据集中缺失的日期值。
df = pd.DataFrame()df["年"] = pd.date_range('2020-01-01', periods=3, freq='Y')df["月"] = pd.date_range('2020-01-01', periods=3, freq='M')df["日"] = pd.date_range('2020-01-01', periods=3, freq='D')df["周"] = pd.date_range('2020-01-01', periods=3, freq='W')df["季度"] = pd.date_range('2020-01-01', periods=3, freq='Q')df
上面的示例分别以年，月，日，周，季度为间隔，生成3条连续的时间序列。
1.3 修改日期
修改日期的值，也是利用日期类型自带的方法，不用像修改字符串那样修改，那样极易出错。
df = pd.DataFrame()d = pd.date_range('2020-01-01', periods=3, freq='D')df["原始日期"] = ddf["延迟三天"] = d.shift(3, freq="D")df["提前三天"] = d.shift(-3, freq="D")df
这里是按天调整的，如果要按照年，月，周，季度等调整，像上一个例子那样设置freq参数即可。
2. 日期属性
将数据转换为pandas日期类型的最大好处就是可以使用日期类型特有的属性，方便进行各个维度的分析。
常用的日期维度是年，月，日，周，季度。
2.1 年
利用日期属性按年份统计合计值：
df = pd.DataFrame( { "日期": ["2020/5/1", "2021/5/1", "2021/6/3", "2022/9/4"], "平均气温": [28, 31, 27, 33], },)df["日期"] = pd.to_datetime(df["日期"])df["年"] = df["日期"].dt.yearprint(df)print(df.groupby(df["年"]).sum())
两个2021年的数据统计了合计值。
2.2 月
按月统计合计值：
df = pd.DataFrame( { "日期": ["2020/5/1", "2021/5/1", "2021/6/3", "2022/9/4"], "平均气温": [28, 31, 27, 33], },)df["日期"] = pd.to_datetime(df["日期"])df["月"] = df["日期"].dt.monthprint(df)print(df.groupby(df["月"]).sum())
两个5月份的数据统计了合计值。
2.3 日
按日统计合计值：
df = pd.DataFrame( { "日期": ["2020/5/1", "2021/5/1", "2021/6/3", "2022/9/4"], "平均气温": [28, 31, 27, 33], },)df["日期"] = pd.to_datetime(df["日期"])df["日"] = df["日期"].dt.dayprint(df)print(df.groupby(df["日"]).sum())
两个1号的数据统计了合计值。
2.4 周
按周统计合计值：
df = pd.DataFrame( { "日期": ["2021/5/1", "2021/5/31", "2021/6/3", "2021/9/4"], "平均气温": [28, 31, 27, 33], },)df["日期"] = pd.to_datetime(df["日期"])df["周"] = df["日期"].dt.isocalendar().weekprint(df)print(df.groupby(df["周"]).sum())
上面两个日期同属于第22周，所以计算了合计值。
获取周属性与前面略有不同，不是直接获取week，而是用isocalendar().week。
2.5 季度
按季度统计合计值：
df = pd.DataFrame( { "日期": ["2021/5/1", "2021/5/31", "2021/6/3", "2021/9/4"], "平均气温": [28, 31, 27, 33], },)df["日期"] = pd.to_datetime(df["日期"])df["季度"] = df["日期"].dt.quarterprint(df)print(df.groupby(df["季度"]).sum())
上面3个日期都是第二季度，所以计算了合计值。
3. 总结回顾
本篇特意将pandas中的日期类型单独介绍，
一方面是因为日期类型与其他类型相比，多出了很多特有的属性；
另一方面，时间序列数据和回归分析中也会大量用到日期类型。
这里介绍了日期类型的转换方法和常用属性，但日期类型不仅仅限于这些属性，其他的属性可以参考pandas的官方文档：Index objects — pandas 2.0.1 documentation