pandas时序处理相关功能

创建时间序列

函数pd.date_range()
根据指定的范围，生成时间序列DatetimeIndex，每隔元素的类型为Timestamp。该函数应用较多。

ts = pd.date_range('2017-09-01', periods=10, freq='d', normalize=False)
ts

输出为：

DatetimeIndex(['2017-09-01', '2017-09-02', '2017-09-03', '2017-09-04',
               '2017-09-05', '2017-09-06', '2017-09-07', '2017-09-08',
               '2017-09-09', '2017-09-10'],
              dtype='datetime64[ns]', freq='D'

主要的入参解析：
start: 开始时刻，可以是字符串或者datetime类型的值。默认None。
end: 结束时刻，可以是字符串或者datetime类型的值，如果指定了长度，即periods，则可不设置。默认None。
periods: 时序的长度，整型类型。如果有end，可不设置。默认None。
freq: 时序生成的频率，即每隔多少时刻生成一个时序点。字符串类型或者DateOffset类型。默认'D'，即天粒度，见上述代码输出。
tz: 时区，字符串类型。默认None。
normalize: bool类型，没用过，不知道干啥的。
name: 设置时序的名称，字符串类型，默认None。
closed: 是否包含两边的值。默认None，即两边都保留。
其中，freq的取值可以为如下的符号表示间隔，可以结合符号和数字，如'3d'，表示每隔三天记录一个时间点。大小写都可以。

B	business day frequency
C	custom business day frequency (experimental)
D	calendar day frequency
W	weekly frequency
M	month end frequency
SM	semi-month end frequency (15th and end of month)
BM	business month end frequency
CBM	custom business month end frequency
MS	month start frequency
SMS	semi-month start frequency (1st and 15th)
BMS	business month start frequency
CBMS	custom business month start frequency
Q	quarter end frequency
BQ	business quarter endfrequency
QS	quarter start frequency
BQS	business quarter start frequency
A	year end frequency
BA	business year end frequency
AS	year start frequency
BAS	business year start frequency
BH	business hour frequency
H	hourly frequency
T, min	minutely frequency
S	secondly frequency
L, ms	milliseconds
U, us	microseconds
N	nanoseconds

http://pandas.pydata.org/pandas-docs/stable/timeseries.html#offset-aliases

字符串转换为时间戳

pd.to_datetime() 函数可以将表示时间的字符串转换位TimeStamp。

pd.to_datetime('2017-09-01')

输出为：

Timestamp('2017-09-01 00:00:00')

常用的参数：
format: 用来设置字符串的格式，默认如上所示。

时间戳的加减

有时候需要将时间进行增减，可以使用类型：DateOffset。

pd.to_datetime('2017-09-01') + pd.DateOffset(days=10) 

输出为：

Timestamp('2017-09-11 00:00:00')

DateOffset常用的参数：
months，设置月。
days，设置天。
years，设置年。
hours，设置小时。
minutes，设置分钟。
seconds，设置秒。
以上可以同时设置，组合使用。

pd.to_datetime('2017-09-01') + pd.DateOffset(seconds=10, days = 10)

输出为：

Timestamp('2017-09-11 00:00:10')