时间序列分析

时间序列数据的重要性

时间序列数据是现代数据分析中最常见的数据类型之一：股票价格、服务器监控指标、电商销售数据、用户行为日志……几乎所有业务系统都在实时产生时间序列数据。Pandas 提供了业界最完整的时间序列处理工具箱，这也是它在金融分析领域广受欢迎的重要原因。

时间相关的核心类型

• Timestamp 单个时间点，Pandas 中时间数据的基本单位，是 Python datetime 的增强版，支持纳秒级精度（numpy.datetime64 底层）。
• DatetimeIndex 由 Timestamp 组成的索引，是时间序列 Series/DataFrame 的行索引。支持字符串切片、时区感知、resample 等专用操作。
• Period / PeriodIndex 表示时间"区间"（如 2024 年 1 月这整个月），而非时间点。适合财务报表、统计报告等以时期为单位的数据。
• Timedelta / TimedeltaIndex 时间差，表示两个时间点之间的差值（如 3天4小时）。支持算术运算（时间戳 + 时间差 = 新时间戳）。
• DateOffset 日历感知的时间偏移（如"下一个工作日"、"月末"），处理业务时间逻辑时比 Timedelta 更合适。

创建时间序列数据

import pandas as pd
import numpy as np

# ── pd.to_datetime：将字符串/整数转为 Timestamp ──
pd.to_datetime('2024-01-15')           # Timestamp('2024-01-15 00:00:00')
pd.to_datetime('15/01/2024', dayfirst=True)  # 日在前
pd.to_datetime('20240115', format='%Y%m%d')  # 指定格式
pd.to_datetime(1705276800, unit='s')          # Unix 时间戳（秒）

# 转换整列
df['date'] = pd.to_datetime(df['date_str'], errors='coerce')

# ── pd.date_range：生成等间隔的日期序列 ──
pd.date_range('2024-01-01', '2024-12-31', freq='D')    # 每天
pd.date_range('2024-01-01', periods=12, freq='ME')      # 每月末，12期
pd.date_range('2024-01-01', periods=4, freq='QE')       # 每季末，4期
pd.date_range('2024-01-01', periods=52, freq='W-MON')   # 每周一
pd.date_range('2024-01-01', periods=100, freq='B')      # 工作日
pd.date_range('2024-01-01', periods=48, freq='h')       # 每小时

# ── 创建时间序列 DataFrame ──
dates = pd.date_range('2024-01-01', periods=365, freq='D')
ts = pd.Series(
    np.random.randn(365).cumsum() + 100,  # 随机游走
    index=dates,
    name='price',
)

Pandas 2.x 的频率别名变更

DatetimeIndex 的切片与选择

有了 DatetimeIndex，可以用字符串直接进行日期切片，极为便捷：

import pandas as pd
import numpy as np

dates = pd.date_range('2023-01-01', '2024-12-31', freq='D')
ts = pd.Series(np.random.randn(len(dates)), index=dates)

# 按年选择
ts['2023']             # 2023年的所有数据
ts['2024']             # 2024年的所有数据

# 按月选择
ts['2023-06']          # 2023年6月
ts['2023-Q1']          # 2023年第一季度

# 按日期范围切片（loc 闭区间）
ts.loc['2023-06-01':'2023-08-31']  # 夏季数据（含两端）

# .dt 访问器——提取时间各组成部分
df['year']    = df['date'].dt.year
df['month']   = df['date'].dt.month
df['day']     = df['date'].dt.day
df['hour']    = df['date'].dt.hour
df['weekday'] = df['date'].dt.dayofweek  # 0=周一，6=周日
df['week_name']= df['date'].dt.day_name()  # 'Monday', 'Tuesday'...
df['quarter'] = df['date'].dt.quarter
df['is_weekend'] = df['date'].dt.dayofweek >= 5
df['day_of_year'] = df['date'].dt.dayofyear

# 格式化为字符串
df['month_str'] = df['date'].dt.strftime('%Y年%m月')

resample：时间序列的重采样

重采样（Resampling）是时间序列中最核心的操作之一，分为两种：

• 降采样（Downsampling） 从高频率→低频率聚合，如日频→月频。需要指定聚合函数（sum/mean/max等）将多个数据点合并为一个。
• 升采样（Upsampling） 从低频率→高频率插值，如月频→日频。需要指定如何填充新增的空白点（ffill/bfill/interpolate）。

import pandas as pd
import numpy as np

# 日频数据
daily = pd.Series(
    np.random.randn(365).cumsum() + 100,
    index=pd.date_range('2024-01-01', periods=365, freq='D'),
)

# ── 降采样 ──
monthly_mean  = daily.resample('ME').mean()   # 月均值（月末频）
monthly_sum   = daily.resample('ME').sum()    # 月总和
monthly_last  = daily.resample('ME').last()   # 月末值
monthly_first = daily.resample('MS').first()  # 月初值（月初频 Month Start）
quarterly     = daily.resample('QE').agg({'mean', 'max', 'min'})
weekly_ohlc   = daily.resample('W').ohlc()   # 周K线（开高低收）

# ── 升采样 ──
# 月频 → 日频
monthly = pd.Series(
    [100, 110, 105],
    index=pd.date_range('2024-01-31', periods=3, freq='ME')
)
daily_up = monthly.resample('D').ffill()    # 前向填充（保持月末值到下月）
daily_up = monthly.resample('D').interpolate(method='linear')  # 线性插值

# ── resample + agg（Named Aggregation）──
# 对 DataFrame 的多列进行不同聚合
df_daily = pd.DataFrame({
    'sales':  np.random.randint(100, 500, 365),
    'visits': np.random.randint(1000, 5000, 365),
}, index=pd.date_range('2024-01-01', periods=365, freq='D'))

monthly_report = df_daily.resample('ME').agg({
    'sales':  ['sum', 'mean'],
    'visits': ['sum', 'max'],
})

时区处理

时区是时间序列处理中最复杂的部分之一，尤其是在处理跨时区系统日志、金融市场数据时。Pandas 通过 Python 的 zoneinfo（Python 3.9+）或第三方的 pytz 库支持时区。

• Naive datetime 不含时区信息的时间戳，只是一个"朴素"的年月日时分秒数字，不知道属于哪个时区。
• Timezone-aware datetime 含时区信息的时间戳，知道自己处于哪个时区，可以正确地转换为其他时区，也可以与 UTC 时间相互转换。
• UTC（协调世界时） 国际标准时间，无时区偏移。存储时间序列数据的最佳实践是使用 UTC，显示时再转换为用户本地时区。
• tz_localize 为 naive datetime 指定一个时区（不改变时间值，只是"声明"它所在的时区）。
• tz_convert 将 timezone-aware datetime 转换为另一个时区（改变时间值和时区信息，保持绝对时刻不变）。

import pandas as pd

# 创建 naive 时间序列
naive_ts = pd.Series(
    [1.0, 2.0, 3.0],
    index=pd.date_range('2024-01-01 08:00', periods=3, freq='h')
)
print(naive_ts.index.tz)  # None（无时区）

# 步骤1：localize——声明当前时间是哪个时区的
cst_ts = naive_ts.tz_localize('Asia/Shanghai')  # 中国标准时间（UTC+8）
print(cst_ts.index.tz)  # Asia/Shanghai

# 步骤2：convert——将 CST 时间转换为 UTC
utc_ts = cst_ts.tz_convert('UTC')
# 时间值会变化：08:00 CST → 00:00 UTC

# 步骤3：转换为其他时区
ny_ts = cst_ts.tz_convert('America/New_York')
# 北京上午8点 = 纽约前一天晚上7点（EST，UTC-5）

# 移除时区信息（变回 naive）
naive_back = cst_ts.tz_localize(None)

# read_csv 时直接指定时区
df = pd.read_csv('data.csv', parse_dates=['timestamp'])
df['timestamp'] = df['timestamp'].dt.tz_localize('UTC').dt.tz_convert('Asia/Shanghai')

夏令时（DST）的处理

# 美国时区有夏令时（DST）问题
# 2024年 3月10日凌晨2点，美国东部时间拨快1小时（EST→EDT）

# 升采样时遇到 DST 会有缺失的小时
eastern = pd.date_range(
    '2024-03-09 23:00', '2024-03-10 04:00',
    freq='h', tz='America/New_York'
)
# 凌晨2点被跳过了（因为时钟跳到了3点）

# 解决方案：如有跨时区需求，数据存储为 UTC，显示时再转换
utc_range = pd.date_range('2024-03-09 23:00', periods=10, freq='h', tz='UTC')
# UTC 永远不会有 DST 问题

时间偏移与业务日历

import pandas as pd
from pandas.tseries.offsets import BDay, MonthEnd, QuarterEnd

# DateOffset：日历感知的时间偏移
today = pd.Timestamp('2024-03-15')

today + pd.DateOffset(months=1)   # 2024-04-15（一个月后）
today + pd.DateOffset(days=30)    # 2024-04-14（30天后）

# 工作日偏移（跳过周末）
today + BDay(5)   # 5个工作日后
today - BDay(3)   # 3个工作日前

# 月末和季末
today + MonthEnd(1)   # 2024-03-31（下一个月末）
today + QuarterEnd(1) # 2024-03-31（下一个季末）

# 判断是否是工作日
ts = pd.Timestamp('2024-03-16')  # 周六
print(ts.dayofweek)   # 5（周六）
print(ts.dayofweek < 5)  # False（不是工作日）

# 批量移动整列日期
df['due_date'] = df['order_date'] + pd.DateOffset(days=30)
df['next_business_day'] = df['date'] + BDay(1)

时间差（Timedelta）计算

import pandas as pd

df = pd.DataFrame({
    'order_date':   pd.to_datetime(['2024-01-01', '2024-01-05', '2024-01-10']),
    'deliver_date': pd.to_datetime(['2024-01-03', '2024-01-08', '2024-01-11']),
})

# 两个日期列相减，得到 Timedelta
df['delivery_days'] = df['deliver_date'] - df['order_date']
# dtype: timedelta64[ns]

# 提取天数（整数）
df['days_int'] = df['delivery_days'].dt.days

# 计算到"今天"的距离
today = pd.Timestamp.now()
df['days_ago'] = (today - df['order_date']).dt.days

# 判断是否超过了 SLA（如3天交付）
df['sla_met'] = df['days_int'] <= 3

时间序列的滚动计算（回顾与进阶）

import pandas as pd
import numpy as np

# 基于时间的滚动窗口（而非行数）
ts = pd.Series(
    np.random.randn(100),
    index=pd.date_range('2024-01-01', periods=100, freq='h')
)

# 基于时间窗口（'24h' = 过去24小时，而非过去24行）
ts.rolling('24h').mean()   # 过去24小时的滑动均值
ts.rolling('7D').mean()    # 过去7天的滑动均值

# 基于偏移量的窗口（不规则时序）
irregular_ts = pd.Series(
    [1, 2, 3, 4],
    index=pd.to_datetime(['2024-01-01', '2024-01-02', '2024-01-05', '2024-01-10'])
)
# 基于行数的 rolling(3) 对不规则数据没有意义
# 基于时间的 rolling('3D') 更准确
irregular_ts.rolling('3D').mean()  # 每个点取过去3天的均值

# 分析实际股价数据（示例结构）
# price.rolling(20).mean()         # 20日均线（MA20）
# price.rolling(60).mean()         # 60日均线（MA60）
# price.pct_change().rolling(252).std() * 252**0.5  # 年化波动率

小结

Pandas 的时间序列功能是其核心优势之一：

• DatetimeIndex 让时间索引的切片和选择变得极为直观（直接用字符串如 '2024-Q1'）
• resample() 是降采样/升采样的核心工具，注意 Pandas 2.2 的频率别名变更
• 时区处理：存储用 UTC，显示时用 tz_convert 转换，避免 DST 问题
• .dt 访问器提供了丰富的日期时间分量提取能力
• 基于时间窗口的 rolling('7D') 比基于行数的 rolling(7) 对不规则数据更准确