python資料分析庫-pandas時間處理
在 pandas 中關于時間序列的常見對象有 6 種，分别是 timestamp（時間戳）、datetimeindex（時間戳索引）、period（時間段）、periodindex（時間段索引）、以時間為元素的 series 和以及以時間索 引的 dataframe。
<code>timestamp</code> 時間戳表示時間軸上的某一點，以下不同代碼都可以生成相同時間戳。
傳入一個三元組
傳入一個時間格式的字元串
傳入一個時間對象
period 時間段表示時間軸上的某一區間，以下代碼都可以生成相同時間段。
時間段可以通過加減法來進行變化
period() 函數後面通常有兩個參數，第二個 freq 參數決定時間段的分割長度。
pandas 中常用 to_datetime() 函數可以建立以時間為元素的 series。
要生成帶有時間戳的索引，可以使用 datetimeindex() 構造函數，并傳入清單或 series 對象：
實際運用中我們經常需要大量的的時間戳的索引。可以使用 date_range() 和 bdate_range() 來批量建立相同時間間隔的時間戳索引。
建立以 2018 年 9 月 30 日為開始的 250 條時間索引，相鄰索引間隔時間長度為一天。
建立以 2018 年 10 月 1 日為開始的 111 條時間索引，相鄰索引間隔時間長度為一個工作日。
在 date_range() 和 bdate_range() 中可以巧妙使用 start，end， periods，freq 等參數的各種 組合輕松批量建立時間索引。
在 2017 年 10 月 1 日到 2018 年 10 月 1 日間，每隔一周建立一條索引。
對于頻率的參數可參照附錄中的表1
同時，時間段和時間戳都可以作為索引
下面是時間戳作為索引的例子
下面是時間段作為索引的例子
時間段也可以作為索引建立dataframe 對象。在 2017 年第一季度和 2018 年第四季度之間每隔一個季度建立一條索引。
就以前面的dataframe為例
使用 truncate() 切下 2017 年 11 月 26 日與 2018 年 4 月 29 日間的記錄。
除了元素可以被移動，索引本身也能被移動，需要加上 freq 參數。将索引列向上移動一條：
如圖所示，索引被整體移動了
重采樣可以通俗得了解為改變時間索引的個數，通過增大或減小相鄰索引的時間間隔以達到減小或 增加索引數量的效果，在 pandas 中使用 resample() 函數。
重采樣生成的類似groupby
上采樣：減小時間間隔頻率，增加記錄的數量。
原來間隔為日的索引列，間隔被縮小成 12 小時，增加采樣點的值為空值。
fill() 函數可以将新增的索引值以相鄰的前一條索引值進行填充。
也可使用插值方法
用agg方法可以同時使用多種求職類型
還有類似這種方法可供使用
首先要導入 pandas.tseries.offsets 子產品，pandas 所有常用時間類都在該子產品中。
使用 dateoffset() 實作時間戳位移。
也可以用時間戳加減常用時間類以實作時間戳位移。向前移動 10 個工作日
向後移動一個月末。
個性化定制日期。雖然月曆規定年末是 12 月，加入參數後相當于人為規定 2 月是年末。 向後移動到上兩個年末。
向前移動到上一個周四。
可以使用 rollforward() 将指定時間向前或向後移動到一個制定常用時間類的時間戳上。将時間 移動到下一個月末：