Pandas 时间序列处理
Pandas 时间序列处理
说明： 请回答以下问题，以展示您对 pandas 中时间序列处理的全面理解。请在适用时提供代码示例。
问题 1
如何将日期字符串列表 ['2023-01-01', '2023-01-02', '2023-01-03'] 转换为 pandas 的 DatetimeIndex？
问题 2
给定一个以日期时间为索引的 DataFrame df，如何重采样（resample）数据以获得每个月的平均值？
问题 3
描述在 pandas 中如何处理时区。请提供一个将朴素（naive）日期时间索引转换为特定时区的示例。
问题 4
pd.Timestamp、pd.DatetimeIndex 和 pd.Period 之间有什么区别？请提供示例。
问题 5
如何创建一个以 2023 年 1 月份的工作日为索引的时间序列 DataFrame？
问题 6
解释如何使用滚动窗口（rolling window）计算时间序列的 7 天移动平均值。
问题 7
DataFrame df 包含不规则的时间戳数据，存在缺失日期。如何重新索引 df 以包含范围内的所有日期，并将缺失值填充为 NaN？
问题 8
解释在时间序列分析中 shift() 函数的用途。请提供一个使用它来计算当前值与前一天值差异的示例。
问题 9
在 pandas 时间序列中如何处理夏令时（Daylight Saving Time）转换？
问题 10
提供一个代码示例，将时间序列数据按周分组，并计算每周某一列的总和。
问题 11
解释 pandas 中 asfreq() 方法的使用。它与重采样（resampling）有何不同？
问题 12
date_range() 函数的用途是什么？如何使用它生成以小时为频率的时间序列？
问题 13
如何使用 pandas 内置的绘图功能绘制时间序列 DataFrame df？
问题 14
解释如何使用基于时间的方法插值（interpolate）时间序列中的缺失值。
问题 15
给定格式不同的时间戳字符串，例如 '01/02/2023 14:30'，如何将这些字符串解析为 pandas 的日期时间格式？
Pandas 时间序列处理 - 答案
问题 1
将日期字符串列表转换为 DatetimeIndex：
import pandas as pddate_strings = ['2023-01-01', '2023-01-02', '2023-01-03']
datetime_index = pd.to_datetime(date_strings)
问题 2
重采样数据以获得每个月的平均值：
monthly_avg = df.resample('M').mean()
问题 3
在 pandas 中处理时区可以使用 tz_localize 和 tz_convert 方法：
# 假设 df 具有没有时区信息的日期时间索引
df = df.tz_localize('UTC') # 设置时区为 UTC
df = df.tz_convert('Asia/Shanghai') # 转换为上海时间
问题 4
-
pd.Timestamp：表示单个时间戳。timestamp = pd.Timestamp('2023-01-01') -
pd.DatetimeIndex：由时间戳组成的索引。datetime_index = pd.DatetimeIndex(['2023-01-01', '2023-01-02']) -
pd.Period：表示时间段（例如，一个月，一年）。period = pd.Period('2023-01', freq='M')
问题 5
创建以 2023 年 1 月的工作日为索引的 DataFrame：
dates = pd.date_range(start='2023-01-01', end='2023-01-31', freq='B')
df = pd.DataFrame(index=dates)
问题 6
计算时间序列的 7 天移动平均值：
df['7_day_avg'] = df['value_column'].rolling(window=7).mean()
问题 7
重新索引 df 以包含所有日期：
full_index = pd.date_range(start=df.index.min(), end=df.index.max(), freq='D')
df = df.reindex(full_index)
问题 8
shift() 函数用于按指定的周期数移动数据：
df['diff'] = df['value'] - df['value'].shift(1)
问题 9
pandas 使用带有时区信息的日期时间索引来处理夏令时转换。在转换时区时，pandas 会自动调整时间戳：
df = df.tz_localize('UTC').tz_convert('Europe/Berlin')
问题 10
按周分组并计算某一列的总和：
weekly_sum = df.resample('W').sum()
问题 11
asfreq() 方法用于将数据转换为指定频率，而不进行聚合，只是重新索引。与 resample() 不同，asfreq() 不会对数据进行计算：
df_asfreq = df.asfreq('D')
问题 12
date_range() 用于生成一系列日期时间：
hourly_dates = pd.date_range(start='2023-01-01', end='2023-01-02', freq='H')
问题 13
使用 pandas 内置的绘图功能绘制时间序列：
df.plot()
问题 14
使用基于时间的插值方法填充缺失值：
df.interpolate(method='time', inplace=True)
问题 15
解析自定义格式的日期字符串：
date_strings = ['01/02/2023 14:30']
dates = pd.to_datetime(date_strings, format='%d/%m/%Y %H:%M')