金融量化分析【day111】:Pandas-时间序列处理

时间:2022-11-20 03:50:53

一、时间对象处理

1、start 开始时间

df["2018-12-01":"2018-12-30"]

金融量化分析【day111】:Pandas-时间序列处理

2、end 结束时间

df['2018']

  金融量化分析【day111】:Pandas-时间序列处理

    .........

金融量化分析【day111】:Pandas-时间序列处理

3、periods 时间长度

pd.date_range("2015-12-1",periods=40)

金融量化分析【day111】:Pandas-时间序列处理

4、freq 时间频率

pd.date_range("2015-12-1",periods=40,freq='B')

  金融量化分析【day111】:Pandas-时间序列处理

金融量化分析【day111】:Pandas-时间序列处理

二、时间序列

 时间序列就是以时间对象为索引的Series或DataFrame

datetime对象作为索引时是存储在DatetimeIndex对象中的

1、传入年或年月作为切片方式

df['2018']

金融量化分析【day111】:Pandas-时间序列处理

 ......

金融量化分析【day111】:Pandas-时间序列处理

df['2018-01']

金融量化分析【day111】:Pandas-时间序列处理

 ......

金融量化分析【day111】:Pandas-时间序列处理

2、传入日期范围作为切片方式

df["2018-12-01":"2018-12-30"]

  金融量化分析【day111】:Pandas-时间序列处理

  ......

金融量化分析【day111】:Pandas-时间序列处理

3、丰富的函数支持

1、resample()

2、strftime()

df.index.strftime('%Y-%m-%d')

  金融量化分析【day111】:Pandas-时间序列处理

datetime.datetime.strptime("2018-1-29","%Y-%m-%d")

  金融量化分析【day111】:Pandas-时间序列处理

4、批量转换为datetime对象

to_pydatetime()

arr = pd.to_datetime(['2018-2-8','2017-1-1','1990-2-1']).to_pydatetime()

  金融量化分析【day111】:Pandas-时间序列处理