前言

时间序列（time series）数据都是一种重要的结构化数据形式。

时间序列数据的意义取决于具体应用场景，主要有一下几种：

• 时间戳（timestamp），特定的时刻。
• 固定时期（period），如2007年1月或2010年全年。
• 时间间隔（interval），由起始和结束时间戳表示。时期（period）可以被看做间隔（interval）的特例。
• 实验或过程时间，每个时间点都是相对于特定起始时间的一个度量。例如，从放入烤箱起，每秒钟饼干的直径。

Pandas提供了一组标准的时间序列处理工具和数据算法。因此，可以高效处理非常大的时间序列，轻松地进行切片/切块、聚合、对定期/不定期的时间序列进行重采样等。

日期和时间数据类型及工具

Python标准库包含用于日期（date）和时间（time）数据的数据类型，而且还有日历方面的功能。主要用到datetime、time以及calendar模块。datetime.datetime（也可以简写为datetime）是用得最多的数据类型：

In [97]: from datetime import datetime

In [98]: now=datetime.now()

In [99]: now

Out[99]: datetime.datetime(2018, 9, 16, 11, 2, 28, 854799)

In [100]: now.year,now.month,now.day

Out[100]: (2018, 9, 16)

In [6]: now.year

Out[6]: 2019

In [7]: now.month

Out[7]: 7

In [8]: now.day

Out[8]: 14

datetime以毫秒形式存储日期和时间。

• datetime.timedelta：时间差

表示两个datetime对象之间的时间差：

In [101]: delta=datetime(2011,1,7)-datetime(2008,6,24,8,15)

In [102]: delta

Out[102]: datetime.timedelta(926, 56700)

In [103]: delta.days

Out[103]: 926

In [104]: delta.seconds

Out[104]: 56700

• 使用timedelta生成新对象

可以给datetime对象加上（或减去）一个或多个timedelta，这样会产生一个新对象：

In [107]: from datetime import timedelta

In [108]: start=datetime(2011,1,7)

In [109]: start + timedelta(12)

Out[109]: datetime.datetime(2011, 1, 19, 0, 0)

In [110]: start - 2*timedelta(12)

Out[110]: datetime.datetime(2010, 12, 14, 0, 0)

• Datatime模块中的数据类型

date：以公历形式存储日历日期（年、月、日）

time：将时间存储为时、分、秒、毫秒

datetime：存储日期和时间

timedelta：表示两个datetime值之间的差（日、秒、毫秒）

总的来说，时间序列在数据处理与分析中是极为重要的数据存在形式，也会经常遇到该类型数据的工作，通过python对其进行相应的操作，方便且快捷，可复用性很强。

「亲，如果笔记对您有帮助，收藏的同时，记得给点个赞、加个关注哦！感谢！」

「文中代码均亲测过，若有错误之处，欢迎批评指正，一起学习，一起成长！」