企业官网建设流程全解析

Pandas 时间序列入门实战：从 datetime 转换、dt 访问器到重采样

【免费下载链接】pandasFlexible and powerful data analysis / manipulation library for Python, providing labeled data structures similar to R data.frame objects, statistical functions, and much more项目地址: https://gitcode.com/gh_mirrors/pa/pandas

引言

本教程来自 pandas 官方入门系列的第 9 篇（doc/source/getting_started/intro_tutorials/09_timeseries.rst），以真实的空气质量监测数据（NO₂ 与 PM2.5）为主线，系统讲解 pandas 时间序列处理的三块核心能力：把文本日期转换为 datetime 对象并使用 dt 访问器提取时间属性、以 DatetimeIndex 作为索引进行切片与绘图、以及通过 resample 改变时间序列频率。读完本文，你将能独立完成"数据清洗 → 时间特征提取 → 按时间分组统计 → 频率重采样"的完整实战链路。

本文使用的数据为NO_2和 PM2.5 空气质量数据，来自 OpenAQ 平台并经 py-openaq 包下载。其中 air_quality_no2_long.csv 记录了巴黎（FR04014）、安特卫普（BETR801）、伦敦（London Westminster）三个测量站点的 NO₂ 小时浓度值（字段：city, country, date.utc, location, parameter, value, unit）。

准备工作：加载并理解数据

本教程的数据存储在仓库的 doc/data/air_quality_no2_long.csv 中。首先读取数据并做两件基础处理：将date.utc列重命名为datetime（便于语义理解），并查看数据概貌：

import pandas as pd import matplotlib.pyplot as plt air_quality = pd.read_csv("data/air_quality_no2_long.csv") air_quality = air_quality.rename(columns={"date.utc": "datetime"}) air_quality.head()

此时datetime列仍是纯文本字符串，尚不能进行提取年份、星期几等任何时间运算。我们还可以确认数据覆盖的站点：

air_quality.city.unique()

使用 pandas datetime 属性

将文本日期转换为 Timestamp 对象

通过pd.to_datetime函数，pandas 会解析字符串并将其转换为 datetime 对象（示例中的时区格式解析结果为datetime64[us, UTC]）。在 pandas 中，这类与标准库datetime.datetime相似的对象被称为pandas.Timestamp：

air_quality["datetime"] = pd.to_datetime(air_quality["datetime"]) air_quality["datetime"]

从源码看，to_datetime是pandas中一个带多重重载的转换入口（pandas/core/tools/datetimes.py），它支持标量、Series、列表/元组/Index/类数组等多种输入形态，并暴露了丰富的参数：

提示：读文件时直接转换。很多数据集都含有日期列，pandas 的输入函数（如pd.read_csv、pd.read_json）支持通过parse_dates参数在读取阶段就把指定列转换为Timestamp，无需事后二次处理：

pd.read_csv("data/air_quality_no2_long.csv", parse_dates=["datetime"])

Timestamp 带来的计算能力

为什么Timestamp对象有价值？因为它让日期信息可计算、可比较。例如获取时间序列的起止时间：

air_quality["datetime"].min(), air_quality["datetime"].max()

进一步可以算出整个时间序列的时间跨度。相减的结果是一个pandas.Timedelta对象——类似于标准库的datetime.timedelta，用于表示时间持续长度：

air_quality["datetime"].max() - air_quality["datetime"].min()

pandas 支持的各类时间概念（时间点、时间间隔、周期等）在用户指南的 time related concepts 章节中有系统介绍。

用 dt 访问器提取时间属性

基于Timestamp对象，pandas 提供了大量时间相关属性（如month、year、quarter等），全部通过dt访问器获取。例如新增一列仅含测量月份：

air_quality["month"] = air_quality["datetime"].dt.month air_quality.head()

dt访问器在源码中的实现类是CombinedDatetimelikeProperties（pandas/core/indexes/accessors.py），它组合了DatetimeProperties、TimedeltaProperties与PeriodProperties三个能力集合，因此同一个访问器既能服务 datetime64 数据，也能服务 timedelta64 与 period 数据。可用的时间/日期组件属性完整对照表见用户指南的 time and date components 章节，dt访问器的更多细节见入门教程的 dt accessor 小节对应扩展（basics.dt_accessors）。

按星期与站点分组求均值（split-apply-combine）

沿用入门系列第 6 篇（06_calculate_statistics.rst）讲过的 split-apply-combine 模式：要计算每个星期几 × 每个站点的 NO₂ 平均浓度，只需用datetime属性的day_of_week（Monday=0，Sunday=6，同样经dt访问器取用）与location一起作为分组键：

air_quality.groupby( [air_quality["datetime"].dt.day_of_week, "location"])["value"].mean()

由于本教程使用的时间序列非常短，上述分析结果**不具备长期代表性**，仅用于演示方法。

绘制一天中的小时浓度模式

类似地，计算每个小时的平均 NO₂ 并绘制柱状图，即可观察所有站点共同的一天内污染变化规律：

fig, axs = plt.subplots(figsize=(12, 4)) air_quality.groupby(air_quality["datetime"].dt.hour)["value"].mean().plot( kind='bar', rot=0, ax=axs ) plt.xlabel("Hour of the day"); # custom x label using Matplotlib plt.ylabel("$NO_2 (µg/m^3)$");

这里再次用到dt.hour属性，配合groupby实现按小时的聚合。

Datetime 作为索引

入门系列第 7 篇（07_reshape_table_layout.rst）介绍了pivot：把每个测量站点变成独立的一列，从而将表格重塑：

no_2 = air_quality.pivot(index="datetime", columns="location", values="value") no_2.head()

透视之后，datetime 信息自动成为了表格的索引。一般而言，把某一列设为索引可以用 `set_index` 函数完成。

拥有 datetime 索引（即DatetimeIndex）后，可以解锁强大的功能：不再需要dt访问器，时间属性直接挂在索引上：

no_2.index.year, no_2.index.day_of_week

DatetimeIndex在源码中定义为"不可变的 ndarray-like datetime64 数据"（pandas/core/indexes/datetimes.py），内部以 int64 存储、可装箱为携带元数据的Timestamp对象。其优势还包括便捷的时间段子集选取，以及自适应的绘图时间刻度。

用字符串切片选取时间段

例如绘制 5 月 20 日至 5 月 21 日各站点的 NO₂ 变化：直接传入可解析为 datetime 的字符串即可对DatetimeIndex完成子集选取：

no_2["2019-05-20":"2019-05-21"].plot();

DatetimeIndex与字符串切片索引的更多细节见用户指南的 time series indexing 章节。

将时间序列重采样到其他频率

resample：按目标频率聚合

resample是处理带 datetime 索引时间序列时非常强大的方法，例如把小时级数据聚合为每个站点的月度最大值：

monthly_max = no_2.resample("MS").max() monthly_max

resample的用法与groupby类似：

• 它通过一个字符串（如"M"、"5H"等）定义目标频率，进行基于时间的分组；
• 它需要一个聚合函数（如mean、max等）。

在源码中，resample返回的Resampler类被定义为"用于重采样 datetimelike 数据的、类似 groupby 的操作"（pandas/core/resample.py），支持aggregate、transform、apply等方法——这正是它和groupby在用法上高度一致的原因。

重采样后，时间序列的频率会记录在freq属性上：

monthly_max.index.freq

频率别名（offset alias）的完整对照表见用户指南的 offset aliases 章节。

重采样 + 绘图：日平均 NO₂

再比如绘制每个站点的日均NO₂ 值，用"D"作为目标频率、mean作为聚合函数，并直接绘图：

no_2.resample("D").mean().plot(style="-o", figsize=(10, 5));

重采样的更多高级能力（自定义聚合、asfreq、ohlc等）见用户指南的 resampling 章节。

核心要点回顾

• 有效日期字符串可通过to_datetime函数转换，也可以在read_csv、read_json等读取函数中通过parse_dates参数一次性完成；
• pandas 中的 datetime 对象支持计算、逻辑运算，并可借助dt访问器获取各种日期相关属性；
• DatetimeIndex内建了这些日期相关属性，并支持便捷的字符串切片选取；
• resample是改变时间序列频率的强大方法，行为类似groupby。

关于时间序列的完整全景（时间点、间隔、周期、时区、频率转换等），参见用户指南的时间序列与日期功能章节。

【免费下载链接】pandasFlexible and powerful data analysis / manipulation library for Python, providing labeled data structures similar to R data.frame objects, statistical functions, and much more项目地址: https://gitcode.com/gh_mirrors/pa/pandas