In [1]: import pandas as pd
In [2]: import matplotlib.pyplot as plt
-
Air quality data
在本教程中，使用了关于 \(NO_2\) 和直径小于2.5微米的颗粒物的空气质量数据，这些数据由 OpenAQ 提供，并通过 py-openaq 包下载。
To raw dataair_quality_no2_long.csv数据集提供了测量站 FR04014、BETR801 和 London Westminster 分别在巴黎、安特卫普和伦敦的 \(NO_2\) 值。In [3]: air_quality = pd.read_csv("data/air_quality_no2_long.csv") In [4]: air_quality = air_quality.rename(columns={"date.utc": "datetime"}) In [5]: air_quality.head() Out[5]: city country datetime location parameter value unit 0 Paris FR 2019-06-21 00:00:00+00:00 FR04014 no2 20.0 µg/m³ 1 Paris FR 2019-06-20 23:00:00+00:00 FR04014 no2 21.8 µg/m³ 2 Paris FR 2019-06-20 22:00:00+00:00 FR04014 no2 26.5 µg/m³ 3 Paris FR 2019-06-20 21:00:00+00:00 FR04014 no2 24.9 µg/m³ 4 Paris FR 2019-06-20 20:00:00+00:00 FR04014 no2 21.4 µg/m³
In [6]: air_quality.city.unique() Out[6]: array(['Paris', 'Antwerpen', 'London'], dtype=object)
如何轻松处理时间序列数据#
使用 pandas 日期时间属性#
我希望将列
datetime中的日期作为日期时间对象而不是纯文本进行处理In [7]: air_quality["datetime"] = pd.to_datetime(air_quality["datetime"]) In [8]: air_quality["datetime"] Out[8]: 0 2019-06-21 00:00:00+00:00 1 2019-06-20 23:00:00+00:00 2 2019-06-20 22:00:00+00:00 3 2019-06-20 21:00:00+00:00 4 2019-06-20 20:00:00+00:00 ... 2063 2019-05-07 06:00:00+00:00 2064 2019-05-07 04:00:00+00:00 2065 2019-05-07 03:00:00+00:00 2066 2019-05-07 02:00:00+00:00 2067 2019-05-07 01:00:00+00:00 Name: datetime, Length: 2068, dtype: datetime64[s, UTC]
最初，
datetime中的值是字符串，并且不提供任何日期时间操作（例如提取年份、星期几等）。通过应用to_datetime函数，pandas 解释这些字符串并将它们转换为日期时间（即datetime64[ns, UTC]）对象。在 pandas 中，我们将这些类似于标准库中的datetime.datetime的日期时间对象称为pandas.Timestamp。
备注
许多数据集确实在一个列中包含日期时间信息，pandas 输入函数如 pandas.read_csv() 和 pandas.read_json() 可以在读取数据时使用 parse_dates 参数和要读取为时间戳的列列表进行日期转换：
pd.read_csv("../data/air_quality_no2_long.csv", parse_dates=["datetime"])
为什么这些 pandas.Timestamp 对象有用？让我们通过一些示例案例来说明其附加价值。
我们正在处理的时间序列数据集的开始和结束日期是什么？
In [9]: air_quality["datetime"].min(), air_quality["datetime"].max()
Out[9]:
(Timestamp('2019-05-07 01:00:00+0000', tz='UTC'),
Timestamp('2019-06-21 00:00:00+0000', tz='UTC'))
使用 pandas.Timestamp 处理日期时间使我们能够计算日期信息并使它们可比较。因此，我们可以使用它来获取时间序列的长度：
In [10]: air_quality["datetime"].max() - air_quality["datetime"].min()
Out[10]: Timedelta('44 days 23:00:00')
结果是一个 pandas.Timedelta 对象，类似于标准 Python 库中的 datetime.timedelta，它定义了一个时间持续。
pandas 支持的各种时间概念在用户指南的 时间相关概念 部分中进行了解释。
我想向
DataFrame添加一个新列，该列仅包含测量月份。In [11]: air_quality["month"] = air_quality["datetime"].dt.month In [12]: air_quality.head() Out[12]: city country datetime location parameter value unit month 0 Paris FR 2019-06-21 00:00:00+00:00 FR04014 no2 20.0 µg/m³ 6 1 Paris FR 2019-06-20 23:00:00+00:00 FR04014 no2 21.8 µg/m³ 6 2 Paris FR 2019-06-20 22:00:00+00:00 FR04014 no2 26.5 µg/m³ 6 3 Paris FR 2019-06-20 21:00:00+00:00 FR04014 no2 24.9 µg/m³ 6 4 Paris FR 2019-06-20 20:00:00+00:00 FR04014 no2 21.4 µg/m³ 6
通过使用
Timestamp对象来表示日期，pandas 提供了许多与时间相关的属性。例如month，还有year、quarter等等。所有这些属性都可以通过dt访问器访问。
现有日期属性的概述在 时间与日期组件概览表 中给出。关于返回类似日期时间属性的 dt 访问器的更多详细信息，在 dt 访问器 的专门章节中进行了解释。
每个测量地点每周各天的平均 \(NO_2\) 浓度是多少？
In [13]: air_quality.groupby( ....: [air_quality["datetime"].dt.weekday, "location"])["value"].mean() ....: Out[13]: datetime location 0 BETR801 27.875000 FR04014 24.856250 London Westminster 23.969697 1 BETR801 22.214286 FR04014 30.999359 ... 5 FR04014 25.266154 London Westminster 24.977612 6 BETR801 21.896552 FR04014 23.274306 London Westminster 24.859155 Name: value, Length: 21, dtype: float64
还记得
groupby提供的拆分-应用-合并模式吗？在 统计计算教程 中提到过。在这里，我们希望计算一个给定的统计量（例如平均值 \(NO_2\)）**每个工作日** 和 每个测量地点。为了按工作日分组，我们使用 pandasTimestamp的 datetime 属性weekday``（星期一=0，星期日=6），这也可以通过 ``dt访问器访问。可以对地点和工作日进行分组，以在这些组合上拆分计算平均值。危险
由于我们在这些例子中使用的是非常短的时间序列，分析结果并不能提供长期代表性的结果！
绘制我们所有站点时间序列中典型的一天中 \(NO_2\) 的模式。换句话说，一天中每个小时的平均值是多少？
In [14]: fig, axs = plt.subplots(figsize=(12, 4)) In [15]: air_quality.groupby(air_quality["datetime"].dt.hour)["value"].mean().plot( ....: kind='bar', rot=0, ax=axs ....: ) ....: Out[15]: <Axes: xlabel='datetime'> In [16]: plt.xlabel("Hour of the day"); # custom x label using Matplotlib In [17]: plt.ylabel("$NO_2 (µg/m^3)$");
类似于前一种情况，我们希望计算给定的统计数据（例如：平均值 \(NO_2\)）**每天的每个小时**，我们可以再次使用拆分-应用-合并的方法。对于这种情况，我们使用 pandas
Timestamp的 datetime 属性hour，它也可以通过dt访问器访问。
Datetime 作为索引#
在 重塑教程 中，介绍了 pivot() 以将数据表重塑为每个测量位置作为单独的列：
In [18]: no_2 = air_quality.pivot(index="datetime", columns="location", values="value")
In [19]: no_2.head()
Out[19]:
location BETR801 FR04014 London Westminster
datetime
2019-05-07 01:00:00+00:00 50.5 25.0 23.0
2019-05-07 02:00:00+00:00 45.0 27.7 19.0
2019-05-07 03:00:00+00:00 NaN 50.4 19.0
2019-05-07 04:00:00+00:00 NaN 61.9 16.0
2019-05-07 05:00:00+00:00 NaN 72.4 NaN
备注
通过旋转数据，日期时间信息成为表格的索引。通常，将一列设置为索引可以通过 set_index 函数实现。
使用 datetime 索引（即 DatetimeIndex）提供了强大的功能。例如，我们不需要 dt 访问器来获取时间序列属性，但可以直接在索引上使用这些属性：
In [20]: no_2.index.year, no_2.index.weekday
Out[20]:
(Index([2019, 2019, 2019, 2019, 2019, 2019, 2019, 2019, 2019, 2019,
...
2019, 2019, 2019, 2019, 2019, 2019, 2019, 2019, 2019, 2019],
dtype='int32', name='datetime', length=1033),
Index([1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
...
3, 3, 3, 3, 3, 3, 3, 3, 3, 4],
dtype='int32', name='datetime', length=1033))
其他一些优点包括方便的时间段子集或图表上适应的时间尺度。让我们将此应用于我们的数据。
创建一个从5月20日到5月21日结束的不同站点中 \(NO_2\) 值的图表。
In [21]: no_2["2019-05-20":"2019-05-21"].plot();
通过提供一个解析为 datetime 的字符串，可以在
DatetimeIndex上选择数据的特定子集。
关于 DatetimeIndex 以及通过字符串进行切片操作的更多信息，请参见 时间序列索引 部分。
将时间序列重采样到另一个频率#
将当前每小时时间序列值聚合到每个站点的月最大值。
In [22]: monthly_max = no_2.resample("MS").max() In [23]: monthly_max Out[23]: location BETR801 FR04014 London Westminster datetime 2019-05-01 00:00:00+00:00 74.5 97.0 97.0 2019-06-01 00:00:00+00:00 52.5 84.7 52.0
在具有 datetime 索引的时间序列数据上，一个非常强大的方法是能够
resample()时间序列到另一个频率（例如，将每秒数据转换为每5分钟数据）。
resample() 方法类似于一个分组操作：
它通过使用一个字符串（例如
M、5H等）来提供基于时间的分组，该字符串定义了目标频率它需要一个聚合函数，例如
mean、max、…
时间序列频率定义中使用的别名概述在 偏移别名概述表 中给出。
当定义时，时间序列的频率由 freq 属性提供：
In [24]: monthly_max.index.freq
Out[24]: <MonthBegin>
绘制每个站点每日平均 \(NO_2\) 值的图表。
In [25]: no_2.resample("D").mean().plot(style="-o", figsize=(10, 5));
关于时间序列 resampling 的更多细节在用户指南的 重采样 部分提供。
REMEMBER
有效的日期字符串可以使用
to_datetime函数或作为读取函数的一部分转换为 datetime 对象。pandas 中的 Datetime 对象支持使用
dt访问器进行计算、逻辑操作和便捷的日期相关属性。DatetimeIndex包含这些与日期相关的属性，并支持方便的切片。Resample是一个改变时间序列频率的强大方法。
关于时间序列的全面概述在 时间序列和日期功能 的页面上给出。