MatrixCQY
首页
数学笔记
代码笔记
金融笔记
GitHub
首页
数学笔记
代码笔记
金融笔记
GitHub
  • 代码笔记

    • 代码笔记
    • C++ 教程

      • C++ 基础教程
      • C++ 面向对象编程 (OOP)
      • C++ 标准模板库 (STL)
      • C++ 内存管理
      • C++ 文件操作
      • C++ Lambda 表达式
      • C++ 高级特性
    • 数据结构与算法

      • 数据结构与算法简介
      • 线性表 (Linear List)
      • 栈与队列 (Stack & Queue)
      • 哈希 (Hashing)
      • 树与图 (Tree & Graph)
      • 排序算法 (Sorting Algorithms)
      • 查找算法 (Searching Algorithms)
      • 动态规划 (Dynamic Programming)
      • 贪心算法 (Greedy Algorithms)
    • SQL 教程

      • SQL 基础教程
      • SQL 查询 (Queries)
      • SQL 连接 (Joins)
      • SQL 约束 (Constraints)
      • SQL 规范化 (Normalization)
      • 视图与存储过程
      • SQL 高级教程
    • R 语言教程

      • R 语言简介
      • R 数据结构
      • R 流程控制与函数
      • R 数据导入与导出
      • R 统计分析基础
      • R 绘图 (Plotting)
    • Pandas 教程

      • Pandas 简介
      • Series 与 DataFrame
      • Pandas 数据分析
      • Pandas 时间序列分析
      • Pandas 数据透视与可视化

Pandas 时间序列分析

1. 时间戳 (Timestamp)

pd.Timestamp 是 Pandas 时间序列的核心。

ts = pd.Timestamp('2023-01-01')

2. 日期范围 (Date Range)

生成时间索引。

idx = pd.date_range('2023-01-01', periods=10, freq='D')
  • Freq: 'D' (日), 'M' (月), 'H' (时), 'B' (工作日).

3. 重采样 (Resampling)

将时间序列从一个频率转换为另一个频率。

df.resample('M').mean()  # 按月求均值
df.resample('W').sum()   # 按周求和

4. 移动窗口 (Rolling Window)

计算移动平均等统计量。

df.rolling(window=3).mean()

推荐资源

  • Pandas User Guide: Time Series
最近更新: 2026/2/15 04:15
Contributors: MatrixCQY
Prev
Pandas 数据分析
Next
Pandas 数据透视与可视化