【九月打卡】第5天 处理带有时间戳的数据

课程名称：构建数据分析工程师能力模型，实战八大企业级项目
课程章节：2-6 高效处理带有时间序列数据
课程讲师：fish

课程内容：
高效处理带有时间序列的数据

• 日期和时间数据
• Pandas时间序列基础
• 日期的范围、频率及移动

什么是时间序列：

• 时间序列（Time Series）是一种重要的结构化数据形式，在多个时间点观察或测量到的任何事物都可以形成一段时间序列：

分为：

• 定期的时间序列：数据点是根据某种时间序列定期出现的（如每10秒，每15分钟）
• 不定期的时间序列：没有固定时间单位或单位之间的偏移量。

日期和时间数据

• Python 标准库包含用于日期（date）和时间（time）数据的数据类型，主要用到的模块有 datetime 和 time。
• Pandas 提供了一组标准的事件处理工具和数据算法，如进行切片/切块、聚合、对定期\不定期的时间序列进行重新采样等。

datetime中的数据模型

• date：以公历形式存储时间日期（年、月、日）
• time：将时间存储成时、分、秒、毫秒
• datetime：存储日期和时间
• timedelta：表示两个datetime值之间的差（日，秒，毫秒）
• datetime.datetime 或称为 datetime，是用的最多的数据类型

datetime类型

• 查看现在的日期和时间（记录到毫秒），为 datetime 类型。
• 可使用如下方法分别查看年、月、日
• 两个 datetime 对象之间的时间差（日、秒、毫秒）为 timedelta 类型。
  
• 给 datetime 加上或减去一个或多个 timedelta，会产生一个新的对象。
  
• 字符串与 datetime 之间通常需要进行转换，有以下三种转换方式：
  

日期转换成字符串

Pandas 时间序列基础

课程收获
感谢老师带来的关于带有时间戳的数据的处理的解决方案，使我了解到更多的python的关于时间序列的数据处理方式，以及对Pandas处理相关数据的方式有了更多的认识，认识到pandas处理数据的强大。