一. 时序数据简介
1）定义
时间序列（time series），就是由时间构成的序列，它指的是在一定时间内按照时间顺序测量的某个变量的取值序列，比如一天内的温度会随时间而发生变化，或者股票的价格会随着时间不断的波动，这里用到的一系列时间，就可以看做时间序列。时间序列包含三种应用场景，分别是：
- 特定的时刻（timestamp），也就是时间戳；
- 固定的日期（period），比如某年某月某日；
- 时间间隔（interval），每隔一段时间具有规律性
2）类型
Pandas时序处理中最常见的两种数据类型为datetime和timedelta。
datetime：既有日期date也有时间time，表示一个具体的时间点（时间戳）。
timedelta：两个时间点之间的差，比如2020-01-01和2020-01-02之间的timedelta即为一天。
二. 创建时间序列数据
1）使用to_datetime创建时间序列
2）使用pd.date_range()创建一段连续的时间范围
start是起始日期，end是结束日期，freq是频率，这里设置为'D'表示每天。
3）使用Timestamp()函数创建一个特定的时间戳
4）使用datetime模块创建时间戳
三. 时长数据计算
1）计算两个时间数据之差（Timedelta）
2）计算时间戳：固定时间+Timedelta类型的时间差
四. 时序索引
1）将日期作为索引创建时间序列
periods是时间序列的长度，freq是频率，这里设置为D'表示每天。
2）索引和切片
（a）使用日期进行索引
（b）使用日期范围进行切片
（c）使用切片操作对数据进行访问
3）重采样（resample）（最重要）
重采样是指将时间序列数据的频率转换为其他频率（基于时间的groupby操作）
重采样主要有两种类型:
1、升采样（Upsampling）
升采样可以增加数据的频率或粒度（**从低频到高频），**将数据转换成更小的时间间隔。
2、降采样（Downsampling）
降采样包括减少数据的频率或粒度（**从高频到低频），**将数据转换为更大的时间间隔。
以降采样为例：
W'表示按周进行重采样，mean()表示计算每周的平均值。
整个过程其实就是一个groupby过程：
- 对原有的数据按照指定的频率进行切分，分到不同的group中
- 对不同的group执行操作
- 整合操作结果
4）滚动计算（rolling）
计算滚动平均值：window=3表示窗口大小为3，即计算每3个数据的平均值。
5）时间偏移（shift）
将时间序列向前或向后移动
1表示向后移动1个时间单位
五. 时间访问器dt：提取出时间/日期的属性
在Pandas中，可以使用dt访问器来访问时间戳或时间序列中的各个时间部分，例如年、月、日、小时、分钟、秒等。当数据中的时间列（本数据中为trade_date列）已经转换为datetime64格式时，仅需调用.dt接口，即可快速求得想要的结果，下表中列出了.dt接口所提供的常见属性：
1）创建一个时间序列
2）提取年份
3）提取月份
4）提取日期
5）提取小时
6）提取分钟
7）提取秒数
8）提取季度
9）提取周数
10）获取星期几的名称
11）获取该日期是一年中的第几天
12）获取该日期是一周中的第几天
13）获取该日期是一个月中的第几天
14）获取该日期所在月份的最后一天
六. 时长转化
1）创建时间戳序列
2）提取时间戳中的秒数
下一期：Pandas窗口数据，Bye！