1. 時間序列分析概述

時間序列分析在金融、氣象、交通、宏觀經濟等諸多領域的應用可以說是非常的廣泛。簡單點說，時間序列就是在各個時間點上形成的數值序列，而分析的過程就是通過這些數值序列去研究其自身的變化規律。

時間序列通常使用 pandas 中的 series 結構（一個時間點對應一個數值數據）或者 dataframe 結構（一個時間點對應多個數值數據）來表示，和 series 和 dataframe 結構本質上是一樣的，唯一一個重要的不同就是，他的索引數據是時間類型的。

時間類型的數據作為一種特殊的數據形式，和一般的數值類型或者字符串類型相比，要多了不少的講究。因此首先我們專門來介紹如何在 python 中對日期和時間的進行表示，這也是后續時間序列分析的基礎。

我們先從 python 標準庫與第三方庫入手，介紹其中的日期、時間、時間增量和時間跨度的表示工具。當然了，說實話其實 pandas 中提供的時間序列工具更適合用來進行相關問題的處理，但是我想從標準庫入手，可以幫助我們去搞清楚整個問題的來龍去脈，對我們更好的理解問題和使用工具將大有裨益。

2. 原生工具：datetime 和 dateutil

首先，我們第一個要介紹的就是 python 中的原生工具：datetime 與 dateutil。

datetime 是 python 中的標準庫，最基本的日期和時間功能都包含在其中了。而 dateutil 是一個強大的第三方庫，如果將二者搭配進行使用，可以收到奇效，方便快捷的解決諸多問題。

2.1 日期的創建

首先我們來利用 datetime 類型來創建一個日期。

代碼片段：

from datetime import datetime

date = datetime(year=2019, month=5, day=2)

print(date)

運行結果：

2019-05-02 00:00:00

這樣我們就成功的生成了第一個日期類型的對象了。

2.2 文本日期的自動解析

這里有同學一定會問了，我們用來進行 datetime 對象初始化的參數一般都是從數據源（數據表格、網站）上獲取的文本形式的日期類數據，一般情況下會有很多種不同的寫法，比如，2019 年 5 月 2 日，常見的就可以寫成：2019-5-2，5/2/2019，等等，種類非常繁多，那我們如何將他們轉換成datetime初始化所需要的年月日標準形式呢？

不用著急，其實這個工作都不需要我們自己動手去做，我們剛剛提到過的第三方庫 dateutil 就能夠幫我們實現這一切，他能夠對絕大多數字符串格式的日期進行正確的解析，從而幫助我們正確的生成 datetime 數據類型，我們就試試上面列舉的：2019-5-2，5/2/2019，2019/5/2 這幾種日期表達方式的解析。

代碼片段：

from datetime import datetime

from dateutil import parser

sdate1 = '2019-5-2'

sdate2 = '5/2/2019'

sdate3 = '2019/5/2'

date1 = parser.parse(sdate1)

date2 = parser.parse(sdate2)

date3 = parser.parse(sdate3)

print(date1)

print(date2)

print(date3)

運行結果：

2019-05-02 00:00:00

2019-05-02 00:00:00

2019-05-02 00:00:00

從程序運行的結果來看，我們利用 dateutil 工具對幾種常見的日期類型字符串做了轉換，得到了正確的結果，這個會在許多應用場景中提高我們的工作效率。

2.3 提取日期中的要素信息

首先我們來看看一個經常用到的案例：獲取當前日期時間的用法。

代碼片段：

from datetime import datetime

from dateutil import parser

date = datetime.now()

print(date)

運行結果：

2019-05-02 12:23:42.571834

這時，我們再來思考一下，這里程序最終輸出的格式是 2019-05-02 12:23:42.571834，存在著兩方面的問題：

第一是：輸出的是千篇一律的固定統一格式；

第二是：都到了秒以后的微秒級的時間精度了。

總結

以上是生活随笔為你收集整理的python时间序列分析按月_利用 Python 进行时间序列分析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。