3. Python时间序列工具栈：Pandas时间序列基础

时间序列分析，说白了就是跟带时间戳的数据打交道。我刚开始接触这行时，总觉得处理时间数据不就是多一列日期嘛，有什么难的？直到有一次，我面对一个长达十年的传感器数据集，才发现时间序列处理的门道有多深。嗯，今天我们就来聊聊Python里最核心的时间序列工具——Pandas。

3.1 DatetimeIndex：时间序列的“身份证”

在Pandas里，时间序列的核心就是DatetimeIndex。它就像每个时间点的身份证，让数据有了时间维度。

我个人习惯，拿到数据第一件事就是检查索引类型。如果是字符串，赶紧转成DatetimeIndex。为什么？因为只有转成时间索引，你才能用上Pandas那些强大的时间切片、重采样功能。

import pandas as pd
import numpy as np

# 创建一个时间序列
dates = pd.date_range('2023-01-01', periods=10, freq='D')
ts = pd.Series(np.random.randn(10), index=dates)

print(ts)
# 输出：
# 2023-01-01    0.1234
# 2023-01-02   -0.5678
# ...

DatetimeIndex最爽的地方在于切片。你可以直接用年份、月份来筛选数据：

# 切片操作
ts['2023-01']  # 获取1月份所有数据
ts['2023-01-01':'2023-01-05']  # 获取前5天数据

3.2 resample：时间维度的“缩放镜”

重采样，说白了就是把数据从一个时间频率转换到另一个频率。比如把分钟数据聚合成小时数据，或者把日数据降采样到周数据。

我曾经处理过一个工业传感器数据，每秒采集一次，一个月下来数据量巨大。这时候resample就是救星——把秒级数据聚合成分钟级，既保留了趋势，又大幅压缩了数据量。

# 创建分钟级数据
minute_data = pd.Series(
    np.random.randn(1000),
    index=pd.date_range('2023-01-01', periods=1000, freq='T')
)

# 降采样到小时级别，取平均值
hourly_data = minute_data.resample('H').mean()

print(hourly_data.head())

重采样规则	含义	常用场景
'D'	按天聚合	日频数据
'W'	按周聚合	周报统计
'M'	按月聚合	月度汇总
'Q'	按季度聚合	季度分析
'Y'	按年聚合	年度趋势

3.3 shift：时间序列的“时间机器”

shift函数可以让你把数据向前或向后移动。这在计算变化量、滞后特征时特别有用。

我记得做股票收益率分析时，shift就是我的得力助手。计算每日收益率，其实就是今天的价格除以前一天的价格再减1：

# 计算每日收益率
prices = pd.Series([100, 102, 101, 105, 108],
                   index=pd.date_range('2023-01-01', periods=5, freq='D'))

returns = prices / prices.shift(1) - 1
print(returns)
# 输出：
# 2023-01-01         NaN
# 2023-01-02    0.020000
# 2023-01-03   -0.009804
# ...

3.4 rolling：滑动窗口的“透视镜”

滚动窗口，说白了就是用一个固定大小的窗口在数据上滑动，计算窗口内的统计量。移动平均线就是最经典的例子。

我处理传感器数据时，经常用rolling来做平滑处理。原始数据噪声太大，一滚动平均，趋势就清晰了。

# 3日移动平均
data = pd.Series([1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
                 index=pd.date_range('2023-01-01', periods=10, freq='D'))

ma_3 = data.rolling(window=3).mean()
print(ma_3)
# 输出：
# 2023-01-01    NaN
# 2023-01-02    NaN
# 2023-01-03    2.0
# 2023-01-04    3.0
# ...

滚动窗口的常用函数：

• mean() - 移动平均
• std() - 滚动标准差
• min() / max() - 滚动极值
• sum() - 滚动求和
• apply() - 自定义函数

知识体系总览

这四个工具，说白了就是时间序列分析的四大金刚。DatetimeIndex管身份，resample管缩放，shift管平移，rolling管滑动。你想想看，有了这四样，大部分时间序列处理需求都能搞定。