时间序列预处理之时间索引转化

发表于 更新于
建立时间序列预测模型时索引index必须是时间索引，一方面减少错误出现，另一方面有助于预测数据的分析。

借助于pandas库，本文主要介绍时间索引如何生成。

一、生成时间索引

（1）使用pd.to_datetime

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
import pandas as pd
import copy

def ts_builder(data, date_col, new_name=None):
    data = copy.deepcopy(data)
    if new_name == None:
        data.index = pd.to_datetime(data[date_col])
        data.drop(date_col, axis=1, inplace=True)
    else:
        data[new_name] = pd.to_datetime(data[date_col])
        data.index = data[new_name]
        data.drop([date_col, new_name], axis=1, inplace=True)
    return data

df = pd.read_csv('daily-min-temperatures.csv')
print(df.head())

df2 = ts_builder(df, 'Date')
print(df2.head())

df3 = ts_builder(df, 'Date', 'ds')
print(df3.head())

（2）使用dateparse

1
2
3
4
5
6
7
8
9
import pandas as pd

df = pd.read_csv('daily-min-temperatures.csv', parse_dates=['Date'])
print(df.head())
print(df.dtypes)

df2 = pd.read_csv('daily-min-temperatures.csv', parse_dates=['Date'], index_col='Date')
print(df2.head())
print(df2.dtypes)

二、时间索引使用技巧

1
2
3
4
5
6
7
8
9
10
11
12
13
14
import pandas as pd

ts = pd.read_csv('daily-min-temperatures.csv', parse_dates=['Date'], index_col='Date')

# 取一段时间的数据
print(ts.loc['1981-01-02':'1981-01-06'])
print(ts.loc[:'1981-01-06'])
print(ts.loc['1981-01'])

# 取一个时间点的数据
from datetime import datetime
print(ts.iloc[0].values)
print(ts.loc['1981-01-01'].values)
print(ts.loc[datetime(1981,1,1)].values)

数据集下载
链接：https://pan.baidu.com/s/1y81GD_zbDxbGvaE0MqRsNQ
提取码：3dep