Pandas 时间序列

本章目标

掌握 to_datetime 和 date_range 创建时间戳/日期范围
掌握 .dt 访问器的日期组件提取（年/月/日/星期等）
掌握 DatetimeIndex 的字符串切片与部分匹配
掌握 resample 的降/升采样聚合
掌握 rolling 滚动窗口计算
掌握 shift / diff / pct_change 做时间偏移与变化率

重点方法与概念速览

名称	类型	作用
`pd.to_datetime(...)`	函数	解析日期时间为 `datetime64` 类型
`pd.date_range(...)`	函数	生成连续日期序列（DatetimeIndex）
`Series.dt.xxx`	访问器	提取日期组件（年/月/日/星期/季度等）
`df.resample(...)`	方法	按时间频率重采样（降/升采样）
`df.rolling(...)`	方法	固定窗口大小的滚动计算
`df.ewm(...)`	方法	指数加权移动窗口
`df.shift(...)`	方法	行偏移（向前/向后平移）
`df.diff(...)`	方法	相邻行差分
`Series.pct_change(...)`	方法	变化率（相对百分比）

1. 时间戳创建

`pd.to_datetime`

作用

将字符串、整数、Series 解析为 datetime64 类型。支持自动推断格式，也可用 format 参数显式指定以加速。

参数表见 ch04 类型转换 — pd.to_datetime（errors / format / dayfirst / utc / unit）。

示例代码

python

import pandas as pd

# 字符串列表
dates = pd.to_datetime(["2024-01-15", "2024-03-20", "2024-06-10"])
print(f"to_datetime:\n{dates}")
print(f"dtype: {dates.dtype}")

输出

text

to_datetime:
0   2024-01-15
1   2024-03-20
2   2024-06-10
dtype: datetime64[ns]

`pd.date_range`

作用

生成连续的日期时间索引（DatetimeIndex）。通过 start/end/periods/freq 控制范围和频率。

重点方法

python

pd.date_range(start=None, end=None, periods=None, freq=None, tz=None,
              normalize=False, name=None, inclusive='both')

参数

参数名	类型	说明	示例取值
`start`	`str`、`datetime`	起始日期	`"2024-01-01"`
`end`	`str`、`datetime`	结束日期	`"2024-01-10"`
`periods`	`int`	生成的日期数量（与 `freq` 配合），默认为 `None`	`10`
`freq`	`str`	频率字符串：`'D'` 天 / `'W'` 周 / `'M'` 月 / `'H'` 小时 / `'T'` 分钟，默认为 `None`	`"D"`、`"W-MON"`、`"M"`
`tz`	`str` 或 `None`	时区	`"Asia/Shanghai"`
`inclusive`	`str`	端点包含策略：`'both'` / `'left'` / `'right'` / `'neither'`，默认为 `'both'`	`"left"`

常用频率字符串

频率	含义	频率	含义
`"D"`	每日	`"W"`	每周（周日）
`"W-MON"`	每周一	`"MS"`	每月首日
`"M"`	每月末日	`"Q"`	每季度末日
`"H"`	每小时	`"T"` / `"min"`	每分钟
`"B"`	工作日	`"YS"`	每年首日

示例代码

python

import pandas as pd

# 天数
r1 = pd.date_range("2024-01-01", "2024-01-07", freq="D")
print(f"每日:\n{r1}")

# 工作日
r2 = pd.date_range("2024-01-01", periods=5, freq="B")
print(f"\n工作日:\n{r2}")

# 月初
r3 = pd.date_range("2024-01-01", periods=4, freq="MS")
print(f"\n每月初:\n{r3}")

输出

text

每日:
DatetimeIndex(['2024-01-01', '2024-01-02', '2024-01-03', '2024-01-04',
               '2024-01-05', '2024-01-06', '2024-01-07'],
              dtype='datetime64[ns]', freq='D')

工作日:
DatetimeIndex(['2024-01-01', '2024-01-02', '2024-01-03', '2024-01-04',
               '2024-01-05'],
              dtype='datetime64[ns]', freq='B')

每月初:
DatetimeIndex(['2024-01-01', '2024-02-01', '2024-03-01', '2024-04-01'], dtype='datetime64[ns]', freq='MS')

理解重点

periods 和 end 互斥——指定数量时无需指定结束日期
频率字符串大小写敏感："D" 天 / "W" 周 / "M" 月 / "H" 小时
date_range 返回 DatetimeIndex——可直接作为 DataFrame 的行索引

2. 日期组件提取（`.dt` 访问器）

`.dt` 访问器

作用

通过 Series.dt.xxx 从 datetime64 列中提取日期组件（年/月/日/星期/季度/周数等），全部为向量化操作。

常用属性速览

属性	含义	示例输出
`dt.year`	年	`2024`
`dt.month`	月 (1-12)	`1`
`dt.day`	日 (1-31)	`15`
`dt.hour`	时 (0-23)	`14`
`dt.minute`	分 (0-59)	`30`
`dt.dayofweek`	星期几 (0=周一, 6=周日)	`0`
`dt.day_name()`	星期几的名称	`"Monday"`
`dt.quarter`	季度 (1-4)	`1`
`dt.week`	周数 (1-52)	`3`
`dt.is_month_start`	是否月初	`True`

示例代码

python

import pandas as pd

df = pd.DataFrame({
    "Date": pd.to_datetime(["2024-01-15", "2024-03-20", "2024-06-10",
                            "2024-09-05", "2024-12-25"]),
    "Value": [100, 200, 150, 300, 250],
})

df["Year"] = df["Date"].dt.year
df["Month"] = df["Date"].dt.month
df["DayOfWeek"] = df["Date"].dt.day_name()
df["Quarter"] = df["Date"].dt.quarter

print(df)

输出

text

        Date  Value  Year  Month   DayOfWeek  Quarter
0 2024-01-15    100  2024      1      Monday        1
1 2024-03-20    200  2024      3   Wednesday        1
2 2024-06-10    150  2024      6      Monday        2
3 2024-09-05    300  2024      9    Thursday        3
4 2024-12-25    250  2024     12   Wednesday        4

理解重点

.dt 只能用于 datetime64 类型列——需先用 pd.to_datetime 转换
.dt 的属性全部向量化——比循环快 100 倍以上
dt.dayofweek 返回整数（0=周一），dt.day_name() 返回名称（"Monday"）

3. 时间序列索引与切片

作用

当 DataFrame 索引为 DatetimeIndex 时，可用日期字符串直接切片——Pandas 会自动解析为时间范围。

示例代码

python

import pandas as pd
import numpy as np

np.random.seed(42)
dates = pd.date_range("2024-01-01", periods=10, freq="D")
df = pd.DataFrame({
    "Value": np.random.randint(10, 100, 10),
}, index=dates)

print(f"时间序列:\n{df}")

# 字符串部分匹配切片
print(f"\n2024-01-03 到 2024-01-06:\n{df['2024-01-03':'2024-01-06']}")

# 按年份切片
print(f"\n2024-01 全部:\n{df['2024-01']}")

输出

text

时间序列:
            Value
2024-01-01     56
2024-01-02     61
2024-01-03     88
2024-01-04     70
2024-01-05     87
2024-01-06     63
2024-01-07     94
2024-01-08     68
2024-01-09     56
2024-01-10     99

2024-01-03 到 2024-01-06:
            Value
2024-01-03     88
2024-01-04     70
2024-01-05     87
2024-01-06     63

2024-01 全部:
            Value
2024-01-01     56
2024-01-02     61
2024-01-03     88
2024-01-04     70
2024-01-05     87
2024-01-06     63
2024-01-07     94
2024-01-08     68
2024-01-09     56
2024-01-10     99

理解重点

部分字符串切片极其强大：df["2024-01"] 匹配整个 1 月，df["2024"] 匹配整年——无需构造日期对象
只有 DatetimeIndex 支持字符串切片——普通 object 索引不行

4. 重采样

`DataFrame.resample`

作用

按指定频率重新聚合时间序列数据。降采样（如日→月）做聚合，升采样（如月→日）做插值。类似 groupby，返回 Resampler 对象，需调用聚合函数才执行。

重点方法

python

df.resample(rule, axis=0, closed=None, label=None, on=None, level=None)
# 后续必须链式调用聚合：.mean() / .sum() / .agg() 等

参数

参数名	类型	说明	示例取值
`rule`	`str`	目标频率字符串	`"W"`、`"M"`、`"Q"`、`"H"`
`axis`	`int`	采样轴，默认为 `0`	`1`
`closed`	`str` 或 `None`	区间的哪端闭合：`'left'` / `'right'`，默认为 `None`（各频率有默认值）	`"left"`
`label`	`str` 或 `None`	聚合结果用区间的哪端作标签，默认为 `None`	`"left"`
`on`	`str` 或 `None`	用指定列而不是索引做时间轴	`"date_col"`

示例代码

python

import pandas as pd
import numpy as np

np.random.seed(42)
dates = pd.date_range("2024-01-01", periods=60, freq="D")
df = pd.DataFrame({
    "Sales": np.random.randint(100, 500, 60),
}, index=dates)

print(f"原始数据（前 5 天）:\n{df.head()}")

# 降采样：日 → 周
weekly = df.resample("W").agg(["sum", "mean"])
print(f"\n按周聚合:\n{weekly}")

# 降采样：日 → 月
monthly = df.resample("M").sum()
print(f"\n按月聚合:\n{monthly}")

输出

text

原始数据（前 5 天）:
            Sales
2024-01-01    288
2024-01-02    308
2024-01-03    214
2024-01-04    124
2024-01-05    127

按周聚合:
           Sales
             sum   mean
2024-01-07  1158  165.43
2024-01-14  2175  310.71
2024-01-21  1689  241.29
2024-01-28  2129  304.14
2024-02-04  2645  377.86
2024-02-11  1769  252.71
2024-02-18  2184  312.00
2024-02-25  2012  287.43
2024-03-01  1153  288.25

按月聚合:
            Sales
2024-01-31   9255
2024-02-29  10347
2024-03-31    279

理解重点

resample 的思维模型 = groupby + 时间窗口——分组依据是频率而不是列值
必须链式调用聚合函数：resample("M") 不执行，resample("M").sum() 才执行
频率字符串与 date_range 相同——"D" 天 / "W" 周 / "M" 月 / "Q" 季度

5. 滚动窗口

`DataFrame.rolling`

作用

在数据上滑动一个固定大小的窗口，对窗口内的值做聚合。与 resample 的区别：rolling 不改变数据频率，每行都有一个结果。

重点方法

python

df.rolling(window, min_periods=None, center=False, win_type=None,
           on=None, axis=0, closed=None)
# 后续必须链式调用：.mean() / .sum() / .std() / .apply() 等

参数

参数名	类型	说明	示例取值
`window`	`int`、`str`	窗口大小（行数）或时间偏移字符串	`7`、`"3D"`
`min_periods`	`int` 或 `None`	最少需要多少非空值才计算结果，默认为 `None`（等于窗口大小）	`1`
`center`	`bool`	`True` 时窗口居中（结果标签在窗口中心），默认为 `False`	`True`
`win_type`	`str` 或 `None`	窗口类型（加权）：`'triang'` / `'gaussian'` 等，默认为 `None`	`"gaussian"`
`on`	`str` 或 `None`	用指定列而不是索引做时间轴	`"date_col"`

`DataFrame.ewm`

作用

指数加权移动（EWM）：最近的数据点权重最大，按指数衰减。无固定窗口大小，所有历史值都参与。

重点方法

python

df.ewm(com=None, span=None, halflife=None, alpha=None, adjust=True)
# 后续必须链式调用：.mean() / .std() 等

参数

参数名	类型	说明	示例取值
`span`	`float` 或 `None`	跨度（约等于窗口中心）， $α = 2 / (s p a n + 1)$	`7`
`halflife`	`float` 或 `None`	半衰期（权重衰减到一半的时间）	`3`
`alpha`	`float` 或 `None`	直接指定平滑因子 $α \in (0, 1]$	`0.3`
`adjust`	`bool`	`True` 时用权重归一化（更准确），默认为 `True`	`False`

综合示例

示例代码

python

import pandas as pd
import numpy as np

np.random.seed(42)
dates = pd.date_range("2024-01-01", periods=20, freq="D")
df = pd.DataFrame({
    "Value": np.random.randint(100, 500, 20).astype(float),
}, index=dates)

# 滚动均值（窗口=3）
df["RollMean3"] = df["Value"].rolling(window=3).mean()

# 滚动均值（窗口=7）
df["RollMean7"] = df["Value"].rolling(window=7).mean()

# 指数加权
df["EWM_span7"] = df["Value"].ewm(span=7).mean()

print(df.head(12).round(1))

输出

text

            Value  RollMean3  RollMean7  EWM_span7
2024-01-01  288.0        NaN        NaN      288.0
2024-01-02  308.0        NaN        NaN      294.3
2024-01-03  214.0      270.0        NaN      268.9
2024-01-04  124.0      215.3        NaN      217.7
2024-01-05  127.0      155.0        NaN      186.1
2024-01-06  362.0      204.3        NaN      246.6
2024-01-07  185.0      224.7      229.7      226.1
2024-01-08  297.0      281.3      231.0      249.3
2024-01-09  491.0      324.3      257.1      326.3
2024-01-10  447.0      411.7      290.4      366.7
2024-01-11  412.0      450.0      331.6      382.0
2024-01-12  205.0      354.7      342.7      324.3

理解重点

rolling 窗口前 window-1 行结果为 NaN——因窗口内非空值不足
center=True 时窗口以当前行为中心——适合事后分析，不适合实时预测
ewm 无 NaN 首行——因子权重始终对第一个观测值有定义，首行等于自身
ewm 比 rolling 更平滑——因为所有权重连续衰减而非等权

6. 偏移与变化率

`shift` / `diff` / `pct_change`

作用

shift(periods)：将数据沿时间轴平移。正数为前移（滞后特征），负数为后移
diff(periods)：相邻行的差分： $Δ_{t} = x_{t} - x_{t - p e r i o d s}$
pct_change(periods)：相对变化率： $r_{t} = \frac{x_{t} - x_{t - p e r i o d s}}{x_{t - p e r i o d s}}$

重点方法

python

df.shift(periods=1, freq=None, axis=0)
df.diff(periods=1, axis=0)
Series.pct_change(periods=1, fill_method=None, limit=None)

示例代码

python

import pandas as pd

df = pd.DataFrame({
    "Price": [100, 105, 103, 108, 112, 110],
})

df["Prev"] = df["Price"].shift(1)
df["Change"] = df["Price"].diff(1)
df["ChangePct"] = df["Price"].pct_change(1)
print(df)

输出

text

   Price   Prev  Change  ChangePct
0    100    NaN     NaN        NaN
1    105  100.0     5.0   0.050000
2    103  105.0    -2.0  -0.019048
3    108  103.0     5.0   0.048544
4    112  108.0     4.0   0.037037
5    110  112.0    -2.0  -0.017857

数学公式

\begin{aligned} diff: & Δ_{t} = x_{t} - x_{t - 1} \\ pct_change: & r_{t} = \frac{x_{t} - x_{t - 1}}{x_{t - 1}} \end{aligned}

理解重点

shift(1) 的第一行为 NaN——没有更早的数据
diff 等价于 x - x.shift(1)
pct_change 是金融分析中最常用的指标之一——计算收益率/涨跌幅
shift(-1) 可做"前瞻"特征——但注意别在预测模型中造成数据泄露

常见坑

resample 返回 Resampler 对象——不调聚合方法就没有结果，容易忘记链式调用 .mean() 等
rolling 窗口前 N-1 行是 NaN——不要当成 bug，这是正常行为
date_range 的 freq="M" 返回月末，freq="MS" 返回月初——两者不同
.dt 访问器只能用于 datetime64 类型——非日期列调用会报 AttributeError
时间字符串切片只在索引为 DatetimeIndex 时可用——普通 object 索引不支持
shift 可做滞后特征（periods>0）和前瞻（periods<0）——前瞻特征在预测中会造成数据泄露

小结

时间序列的核心索引类型是 DatetimeIndex——date_range 生成，to_datetime 解析
.dt 访问器提取日期组件；字符串切片做灵活的时间范围过滤
resample（改频率）+ rolling（窗口计算）+ ewm（指数加权）是时间序列分析的三大算子
shift / diff / pct_change 是时间序列特征工程的三个基础操作

Pandas 时间序列 ​

本章目标 ​

重点方法与概念速览 ​

1. 时间戳创建 ​

pd.to_datetime ​

作用 ​

示例代码 ​

输出 ​

pd.date_range ​

作用 ​

重点方法 ​

参数 ​

常用频率字符串 ​

示例代码 ​

输出 ​

理解重点 ​

2. 日期组件提取（.dt 访问器） ​

.dt 访问器 ​

作用 ​

常用属性速览 ​

示例代码 ​

输出 ​

理解重点 ​

3. 时间序列索引与切片 ​

作用 ​

示例代码 ​

输出 ​

理解重点 ​

4. 重采样 ​

DataFrame.resample ​

作用 ​

重点方法 ​

参数 ​

示例代码 ​

输出 ​

理解重点 ​

5. 滚动窗口 ​

DataFrame.rolling ​

作用 ​

重点方法 ​

参数 ​

DataFrame.ewm ​

作用 ​

重点方法 ​

参数 ​

综合示例 ​

示例代码 ​

输出 ​

理解重点 ​

6. 偏移与变化率 ​

shift / diff / pct_change ​

作用 ​

重点方法 ​

示例代码 ​

输出 ​

数学公式 ​

理解重点 ​

常见坑 ​

小结 ​

Pandas 时间序列

本章目标

重点方法与概念速览

1. 时间戳创建

`pd.to_datetime`

作用

示例代码

输出

`pd.date_range`

作用

重点方法

参数

常用频率字符串

示例代码

输出

理解重点

2. 日期组件提取（`.dt` 访问器）

`.dt` 访问器

作用

常用属性速览

示例代码

输出

理解重点

3. 时间序列索引与切片

作用

示例代码

输出

理解重点

4. 重采样

`DataFrame.resample`

作用

重点方法

参数

示例代码

输出

理解重点

5. 滚动窗口

`DataFrame.rolling`

作用

重点方法

参数

`DataFrame.ewm`

作用

重点方法

参数

综合示例

示例代码

输出

理解重点

6. 偏移与变化率

`shift` / `diff` / `pct_change`

作用

重点方法

示例代码

输出

数学公式

理解重点

常见坑

小结