TUSHARE 金融与技术学习兴趣小组
翻译整理 | Little monster
本期编辑 | Little monster
译者简介：北京第二外国语学院国际商务专业研一在读，目前在学习Python编程和量化投资相关知识。
作者：DataCamp
时间序列数据Time Series Data是在不同时间上收集到的数据，这类数据是按时间顺序收集到的，用于所描述现象随时间变化的情况。
时间序列分析广泛应用于计量经济学模型中，通过寻找历史数据中某一现象的发展规律，对未来进行预测。
时间序列数据作为时间序列分析的基础，学会如何对它进行巧妙地处理是非常必要的，Python中的Pandas库为我们提供了强大的时间序列数据处理的方法，本文会介绍其中常用的几个。
【工具】
Python 3
Tushare
01
时间格式转换
有时候，我们获得的原始数据并不是按照时间类型索引进行排列的，需要先进行时间格式的转换，为后续的操作和分析做准备。
这里介绍两种方法。第一种方法是用pandas.read_csv导入文件的时候，通过设置参数parse_dates和index_col，直接对日期列进行转换，并将其设置为索引。关于参数的详细解释，请查看文档【1】。
如下示例中，在没有设置参数之前，可以观察到数据集中的索引是数字0-208，'date'列的数据类型也不是日期。
设置参数parse_dates = ['date'] ，将数据类型转换成日期，再设置 index_col = 'date'，将这一列用作索引，结果如下。
这时，索引变成了日期'20000101'-'2017-05-01'，数据类型是datetime。
第二种方法是在已经导入数据的情况下，用pd.to_datetime()【2】将列转换成日期类型，再用 df.set_index()【3】将其设置为索引，完成转换。
以tushare.pro上面的日线行情数据为例，我们把'trade_date'列转换成日期类型，并设置成索引。
打印出前5行，效果如下。
02
时间周期转换
在完成时间格式转换之后，我们就可以进行后续的日期操作了。下面介绍一下如何对时间序列数据进行重采样resampling。
重采样指的是将时间序列从⼀个频率转换到另⼀个频率的处理过程。将⾼频率数据聚合到低频率称为降采样downsampling，如将股票的日线数据转换成周线数据，⽽将低频率数据转换到⾼频率则称为升采样upsampling，如将股票的周线数据转换成日线数据。
降采样：以日线数据转换周线数据为例。继续使用上面的tushare.pro日线行情数据，选出特定的几列。
为了方便大家观察，把这段时间的日历附在下面，'2018-07-02'正好是星期一。
转换的思路是这样的，以日历中的周进行聚合，如'20180702'-'20180708'，取该周期内，日线开盘价的第一个值作为周开盘价，日线最高价的最大值作为周最高价，日线最低价的最小值作为周最低价，日线收盘价的最后一个值作为周最收盘价，日线最高价的最大值作为周最高价，日线成交量的求和作为周成交量（手），如下图黄色方框所示。
我们可以通过.resample()【4】方法实现上述操作，对DataFrame和Series都适用。其中，参数rule设置需要转换成的频率，'1W'是一周。
具体转换的代码如下，日期默认为本周的星期日，如果周期内数据不全，如'20180722'这周只有3行数据，也会按照上述方法进行转换。
升采样：以周线数据转换日线数据为例。继续使用上面刚刚转换好的周线数据，我们再试着把它转换成日线数据。先通过.resample('D').asfreq()【5】方法，将周线数据的频率转换成日线，效果如下。
结果中出现了很多空值，需要我们按照一定的方法进行填充，可以通过添加.ffill()或者.bfill()实现。
其中，.ffill()代表用前值进行填充，也就是用前面的非空值对后面的NaN值进行填充，如'20180709'-20180714' 的NaN值都等于'20180708'这一行的非空值，效果如下。
同理，.bfill()代表用后值对空值进行填充，效果如下。
03
时间窗口函数
当我们想要比较数据在相同时间窗口的不同特征和变化时，可以借助窗口函数rolling【6】进行计算。
看一个实例：计算股票收盘价的移动平均值。
调用rolling函数，通过设置参数window的值规定窗口大小，这里设置为3，并且调用.mean()方法计算窗口期为3天的均值，结果如下。
其中，'20180704'当天的平均值等于'20180702'-'20180704'三天的收盘价取平均的结果，'20180705'当天的平均值等于'20180703'-'20180705'三天的收盘价取平均的结果，以此类推。
还有一个常用的窗口函数是expanding，每增加一行数据，窗口会相应的增大。比如，我们想计算某只股票每天的累计涨跌幅，就可以调用此函数。
对列'pct_chg'调用窗口函数expanding，再调用.sum()方法求累计值。
04
总结
本文介绍了Pandas库中处理时间序列数据的几种常用方法。
在时间格式转换部分，介绍了两种将时间转化成日期类型的方法，分别是通过设置参数parse_dates和调用方法pd.to_datetime()。
接着，介绍了时间周期的转换，通过调用.resample()方法实现，包括降采样和升采样。
最后，介绍两个常用的窗口函数rolling和expanding。
希望大家能灵活掌握本文中提到的方法，并应用到实际工作和学习中去！
END
更多内容请关注“挖地兔”公众号。
网页链接【1】
网页链接【2】
网页链接【3】
网页链接【4】
网页链接【5】
网页链接【6】
网页链接【7】
网页链接【Datacamp】
基于Neo4j和Tushare数据构建小型金融知识图谱
Python+SQL无敌组合，值得你Pick！
利用Python创建不同资产组合的基本框架
如何正确使用Pandas库提升项目的运行速度？
这些方法解决了数据清洗80%的工作量
利用Python玩转PDF，简单实用