时间数据

为什么时间序列在有些数据中十分重要呢？ 想想如果你有一批按时间生产的产品，他们的销售业绩和产品质量肯定都绑定在了时间上， 如果哪几天销售好，你也可以回归过来看到底是什么原因导致的，比如节假日，购物节等等。

又或者我有一批数据出现了记录异常，比如我的网站在昨天受黑客攻击了， 我要去定位攻击的时间和影响范围，我肯定要在以时间序列记录的 log 中寻找线索。

所以时间序列不仅仅是数据的一个维度，而且也是协助数据分析的一个重要标尺。

本节要涉及到的功能：

• 读时间序列数据
  • pd.to_datetime()
• 自建时间序列
  • pd.date_range()
• 选取时间
• 时间运算
  • pd.Timedelta()
  • dt.dayofyear; dt.dayofweek; dt.weekofyear; dt.weekday
  • dt.strftime(); dt.day_name(); dt.month_name()
• 时区
  • tz_localize(); tz_convert()
  • pytz.country_timezones()

读时间序列数据¶

我们这里通常说的时间序列是时间点的序列，比如 2022-03-13 12:22:32。看看这些数据是不是常出现在你的报表，或者 log 中？ 我们可以用 Pandas 读取文件的方式把这些带着时间序列的数据读出来， 在让 Pandas 识别这些时间序列，你就能对这些时间序列做很多事情。

比如我读出来是这样一份数据。

现在，Pandas 是不知道 time 这个 column 是时间序列的（现在认为它是 object）， 我们需要告诉 Pandas 把这个 time 套上时间序列的标识。

你看，现在它就能把这串 object 数据转换成 datetime[64] 了。这就是 Pandas 当中的 Timestamp 数据类型。 就算我的数据不是按标准格式储存的，它也能尝试帮我识别出来标准的日期格式。可见 Pandas 的强悍之处了。

注意，自从 Pandas 2.0.0 版本后，pd.to_datetime() 函数的默认行为已经改变了，面对多个不同格式的日期，它不会自动推断了。

虽然它这么强悍，而且也能识别出非标准准的日期形式，但是输出的结果真的是你期望的吗？万一有个记录员比较有个性， 它喜欢用 月@日@年%%秒|时|分 这种形式记录日期，这么不规范，咋整？

你试试直接解析看看，会出现什么情况？完蛋了，是不是我们就无法接下这个人留下的烂盘了？Pandas 又来拯救你了。 我们如果同时传入一个时间规则 format，有没有可能让 Pandas 按照我们的特殊规则解析？

虽然看起来这串 format 很复杂，但是是可以拆解来看的，他们分别表示的是

• %m 月
• %d 日
• %Y 年的全称
• %% 比配一个 %
• %S 秒
• %H 时
• %M 分

规则太多，记不住？没事， Python 有官方文档 可以参考嘛。

自建时间序列¶

前面我们已经解决了读取到时间序列后，怎么让 Pandas 知道这是时间序列的问题。下面我们如果是要用程序采集数据，比如自己打 log， 或者自己爬虫写日期等等。你要往自己数据库中写日期。介绍一种方式批量生成时间戳。

这种写法就有点像 Python 中的 range() 函数，我们可以规定一个起始日期和终止日期，让 pd.date_range() 自动生成。 那你可能会要问了，range() 里面还有一个 step 参数可以用来控制生成的步长的。 pd.date_range() 也可以吗？

哈哈，想到今年深圳疫情严重，去哪哪都要 48h 的核酸，我也可以做一个打卡表，来看看那些时间点需要去做核酸。只要你想，用 pandas 做一个打卡器也是没问题。 现在你可以在换一下 freq 里面的时间描述，你还可以具体到 1h20min，1D 或者是这里 列举的很多 freq 识别的缩写形式。

还有一种在 Numpy 里用的方式 np.linespace()， 这是一种在区间内均匀分割的方法，你也可以用 pd.date_range() 来模拟对日期的分割生成。

pd.date_range() 对于时间个规则性生成还是很友善的。如果你处理工作日比较多，可以参考看看这个 pd.bdate_range() 函数， 它会打开你的眼界。

选取时间¶

读取完数据，生成完数据，也只是对数据的识别而已， 而现在我们要进入对时间数据的选取阶段，来看怎么选数据的问题。 因为有了这个阶段，我们才能真正开始对时间进行运算。

注意，我在生成 Series 的时候，把时间序列挂到了 Series 的 index 上，到时候也可以用这个来作为画图的坐标。

画图出来，就能发现，横坐标已经打上了时间标签。 如果我们不想要一次性展示这么多数据怎么办？如果我们只想要显示某一周时间的数据怎么办？那直接上分片原则吧。

直接用 index 看起来不好弄？不知道到底 index 对应的是哪个日期区间？没关系，我们试试用时间本身分片。

还想继续偷懒，我们直接上日期字符串做索引吧。

甚至，我们还可以按月按年来，真实懒人的福利啊！比如下面我只想看 3 月的数据。

Pandas 的用法可为是真的强大，提供的方式真的很多样！

时间运算¶

选择时间数据也会了，那我们就来看看如何对时间进行运算吧。这通常发生在需要改变日期数值的时候，比如我想复制一份这周的表格，给下周用， 我就直接将这个月 copy 过来，然后日期上加一周时间。

Timedelta 是一种用于时间加减的时间单位，我们可以个任何一个 Timestamp 加减一个时间。而且 Timedelta 还可以乘除。

Timedelta 除了上面的 weeks, days 参数，还可以用 hours, minutes, seconds, milliseconds, microseconds, nanoseconds 这些。 这样你就能方便的运算时间了。

有时候我都觉得用 Pandas 算日期，比用 Python 原生的 datetime 还要方便。比如下面这些：

用上面的方法，再试试这几个：rng.dayofweek; rng.weekofyear; rng.weekday。

用上面的模式，再试试这几个：dt.day_name(); dt.month_name()。

当然除了上面的这些方便的转换方法，官方还为我们提供了丰富的转换方式，只要你需要， 你能在这里又发现 Timestamp 转换的一片天地。

时区¶

如果你的操作系统没配置好，有或者你在其他时区，但有想处理另外的时区。那么学会配置 Pandas 的时区就是一件很重要的事。

默认生成的时候，是不带时区的。所以当你要跨半球工作，你在处理 excel 读取出来的时间，或者你自己要控制时间的时候， 你就要特别标注好时区 tz_localize()。

上面我读取到了数据之后，因为老板告诉我这是 New York 时区， 区分于中国时区，我必须先标注是 America/New_York，以防我到时候时间记录错误。 如果要转换到中国时区，我们就可以用下面 tz_convert() 这种方法。

你问我为什么用 Shanghai 不用 Beijing？因为下面用于时区标记中，没有北京。哈哈。

同理，你要获取对应的时区名称，你可以用 pytz 这个库来看。 请参考这里的文档。

当你自己要生成一批时间的时候，带上时区的方法就比较简单。直接在 pd.date_range() 里带上 tz 的描述。

总结¶

不可不说，时间真是一件大工程，围绕时间的处理工作，我也只介绍了冰山一角。还有很多可以在官方文档中查看到， 比如工作日的计算，很多很丰富，但是我觉得你可能很少用，所以就先不介绍了， 有兴趣的朋友可以看看这里的官方文档， 去探索更加全面的时间处理方式吧。