Pandas中时间序列的处理大全

编辑: admin 分类: python 发布时间: 2021-12-24 来源:互联网
目录
  • 一、时间序列数据的生成
  • 二、Pandas设置索引
  • 三、 时间序列数据的截取
  • 四、Pandas重复值处理
    • 4.1 查询是否有重复值
    • 4.2 去除重复值
  • 五、Pandas缺失值处理
    • 5.1 缺失值查询
  • 六、pandas统计计算方法
    • 七、Pandas数据重采样
      • 总结

        一、时间序列数据的生成

        pd.date_ranges生成时间序列

        • time格式：年月日分隔符号可以是"-"，"/"，空格这三种格式(年月日、日月年、月日年都可以)；时分秒只能用":"分隔，顺序只能是时分秒。
        • start：起始时间（time）
        • end：终止时间（time）
        • periods：期数（int），使用时只能出现start或者end，两者不能同时出现
        • freq：频率(numY,num年；numM,num月；numD,num日），详细参数见下表
        频率别名 描述 B 工作日频率 C 自定义工作日频率 D 日历日频率 W 每周频率 M 每月最后一个日历日 SM 每半个月最后一个日历日（15日和月末） BM 每月最后一个工作日 CBM 自定义每月最后一个工作日 MS 每月第一个日历日 SMS 每半月第一个日历日（第1和第15） BMS 每月第一个工作日 CBMS 自定义每月第一个工作日 Q 每季度最后一个月的最后一个日历日 BQ 每季度最后一个月的最后一个工作日 QS 每季度最后一个月的第一个日历日 BQS 每季度最后一个月的第一个工作日 A, Y 每年的最后一个日历日 BA, BY 每年的最后一个工作日 AS, YS 每年的第一个日历日 BAS, BYS 每年的第一个工作日 BH 工作日按“时”计算频率 H 每小时频率 T, min 每分钟频率 S 每秒频率 L, ms 毫秒频率 U, us 微秒频率 N 纳秒频率 
        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设置索引

        创建时添加索引

        pd.DataFrame(...,index=[],...)

        df.set_index使用现有列设置索引

        • keys：列名，多个列用[name1,name2]
        • drop：设置升序(True)、降序(False)
        • inplace：替换原变量(True)，不替换(False)
        df.set_index(["X"],inplace=True)
df.set_index(["X","Y"],inplace=True)

        df.reset_index可以还原索引

        df.reset_index("X")

        三、 时间序列数据的截取

        df.truncate过滤数据

        • before：过滤之前的数据(time)
        • after：过滤之后的数据(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索引过滤

        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重复值处理

        4.1 查询是否有重复值

        duplicated()方法判断

        # 判断dataframe数据整行是否重复
df.duplicated()
# dataframe数据某列是否重复
df.columns_name.duplicated()
# 判断dataframe数据多列数据是否重复(多列组合查)
df.duplicated(subset = ['n1','n2'])

        groupby().count()

        df.groupby('columns').count()>1

        4.2 去除重复值

        drop_duplicats参数说明：

        • 参数subset：用来指定特定的列，默认所有列
        • 参数keep：first和last表示是选择最前一项还是最后一项保留，默认first
        • 参数inplace：是直接在原来数据上修改还是保留一个副本，默认为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缺失值处理

        5.1 缺失值查询

        df.info查询各列的信息

        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判断是否是空值

        df.isnull().any() # 筛选出缺失值的列
df.isna().any() # 筛选出缺失值的列

        df.empty判断是否有空值

        df.empty

        5.2 缺失值填充

        ffill 空值取前面的值

        df.ffill()

        bfill 空值取后面的值

        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参数解释
          • linear：忽略索引，线性等距插值
          • time：在以天或者更高频率的数据上插入给定的时间间隔长度数据
          • index, values：使用索引的实际数值
          • pad：使用现有值填写NaN
          • nearest, zero, slinear, quadratic, cubic, spline, barycentric, polynomial：传递给scipy.interpolate.interp1d。这些方法使用索引的数值。polynomial和spline都要求您还指定一个顺序（int），例如 ，df.interpolate(method=‘polynomial', order=5)
          • krogh，piecewise_polynomial，spline，pchip，akima：包括类似名称的SciPy插值方法。
          • from_derivatives：指 scipy.interpolate.BPoly.from_derivatives，它替换了scipy 0.18中的'piecewise_polynomial'插值方法
        • axis ： {0或'index'，1或'columns'，None}，默认为None；沿轴进行interpolate。
        • limit： int；要填充的连续NaN的最大数量。必须大于0
        • inplace ： bool，默认为False；如果可以，更新现有数据
        • limit_direction ： {‘forward'，‘backward'，‘both'}，默认为'forward'；如果指定了限制，则将沿该方向填充连续的NaN
        • limit_area ： {None, ‘inside', ‘outside'}, 默认为None；如果指定了限制，则连续的NaN将填充此限制。
        • None：无填充限制
        • inside：仅填充有效值包围的NaN
        • outside: 仅在有效值之外填充NaN
        dff.interpolate(method='polynomial',order=2)

        删除缺失值

        df.dropna(how='any')

        六、pandas统计计算方法

        方法 说明 count 非NaN值的数理 describe 列计算统计汇总 min、max 最小值和最大值 argmin、argmax 最小值和最大值索引(int) idxmin、idxmax 最小值和最大值索引 quantile 分位数([0,1]，0.25下四分为) sum 总和 mean 均值 median 0.5分位数，中位数 mad 根据均值计算绝对离差 var 方差 std 标准差 
        df.describe()

        七、Pandas数据重采样

        重采样就是基于时间数据由一个频率转换到另一个频率的方法，分为降采样和升采样。

        降采样：高频率===>低频率，如频率日变为月，需要指定统计函数如sum

        df.resample("M").mean()

        升采样：低频率===>高频率，如频率月变为日，需要进行缺失值填充

        df.resample("D").asfreq().fillna(1)

        总结

        到此这篇关于Pandas中时间序列处理的文章就介绍到这了,更多相关Pandas时间序列处理内容请搜索hwidc以前的文章或继续浏览下面的相关文章希望大家以后多多支持hwidc！

        更多阅读