時間序列數據Time Series Data是在不同時間上收集到的數據，這類數據是按時間順序收集到的，用于所描述現象隨時間變化的情況。

時間序列分析廣泛應用于計量經濟學模型中，通過尋找歷史數據中某一現象的發展規律，對未來進行預測。

時間序列數據作為時間序列分析的基礎，學會如何對它進行巧妙地處理是非常必要的，Python中的Pandas庫為我們提供了強大的時間序列數據處理的方法，本文會介紹其中常用的幾個。

【工具】

• Python 3
• Tushare

01、時間格式轉換

有時候，我們獲得的原始數據并不是按照時間類型索引進行排列的，需要先進行時間格式的轉換，為后續的操作和分析做準備。

這里介紹兩種方法。第一種方法是用pandas.read_csv導入文件的時候，通過設置參數parse_dates和index_col，直接對日期列進行轉換，并將其設置為索引。關于參數的詳細解釋，請查看文檔【1】。

如下示例中，在沒有設置參數之前，可以觀察到數據集中的索引是數字0-208，'date'列的數據類型也不是日期。

In [8]: data = pd.read_csv('unemployment.csv') 
In [9]: data.info() 
<class 'pandas.core.frame.DataFrame'> 
RangeIndex: 209 entries, 0 to 208 
Data columns (total 2 columns): 
date      209 non-null object 
UNRATE    209 non-null float64 
dtypes: float64(1), object(1) 
memory usage: 3.3+ KB 

設置參數parse_dates = ['date'] ，將數據類型轉換成日期，再設置 index_col = 'date'，將這一列用作索引，結果如下。

In [11]: data = pd.read_csv('unemployment.csv', parse_dates=['date'], index_col='date') 
 
In [12]: data.info() 
<class 'pandas.core.frame.DataFrame'> 
DatetimeIndex: 209 entries, 2000-01-01 to 2017-05-01 
Data columns (total 1 columns): 
UNRATE    209 non-null float64 
dtypes: float64(1) 
memory usage: 13.3 KB 

這時，索引變成了日期'20000101'-'2017-05-01'，數據類型是datetime。

第二種方法是在已經導入數據的情況下，用pd.to_datetime()【2】將列轉換成日期類型，再用 df.set_index()【3】將其設置為索引，完成轉換。

以tushare.pro上面的日線行情數據為例，我們把'trade_date'列轉換成日期類型，并設置成索引。

import tushare as ts 
import pandas as pd 
 
pd.set_option('expand_frame_repr', False)  # 列太多時不換行 
pro = ts.pro_api() 
 
df = pro.daily(ts_code='000001.SZ', start_date='20180701', end_date='20180718') 
 
df.info() 
 
<class 'pandas.core.frame.DataFrame'> 
RangeIndex: 13 entries, 0 to 12 
Data columns (total 11 columns): 
ts_code       13 non-null object 
trade_date    13 non-null object 
open          13 non-null float64 
high          13 non-null float64 
low           13 non-null float64 
close         13 non-null float64 
pre_close     13 non-null float64 
change        13 non-null float64 
pct_chg       13 non-null float64 
vol           13 non-null float64 
amount        13 non-null float64 
dtypes: float64(9), object(2) 
memory usage: 1.2+ KB 
None 
 
 
df['trade_date'] = pd.to_datetime(df['trade_date']) 
df.set_index('trade_date', inplace=True) 
df.sort_values('trade_date', ascending=True, inplace=True)  # 升序排列 
 
df.info() 
 
<class 'pandas.core.frame.DataFrame'> 
DatetimeIndex: 13 entries, 2018-07-02 to 2018-07-18 
Data columns (total 10 columns): 
ts_code      13 non-null object 
open         13 non-null float64 
high         13 non-null float64 
low          13 non-null float64 
close        13 non-null float64 
pre_close    13 non-null float64 
change       13 non-null float64 
pct_chg      13 non-null float64 
vol          13 non-null float64 
amount       13 non-null float64 
dtypes: float64(9), object(1) 
memory usage: 1.1+ KB 

打印出前5行，效果如下。

df.head() 
Out[15]:  
              ts_code  open  high   low  close  pre_close  change  pct_chg         vol       amount 
trade_date                                                                                          
2018-07-02  000001.SZ  9.05  9.05  8.55   8.61       9.09   -0.48    -5.28  1315520.13  1158545.868 
2018-07-03  000001.SZ  8.69  8.70  8.45   8.67       8.61    0.06     0.70  1274838.57  1096657.033 
2018-07-04  000001.SZ  8.63  8.75  8.61   8.61       8.67   -0.06    -0.69   711153.37   617278.559 
2018-07-05  000001.SZ  8.62  8.73  8.55   8.60       8.61   -0.01    -0.12   835768.77   722169.579 
2018-07-06  000001.SZ  8.61  8.78  8.45   8.66       8.60    0.06     0.70   988282.69   852071.526 

02、時間周期轉換

在完成時間格式轉換之后，我們就可以進行后續的日期操作了。下面介紹一下如何對時間序列數據進行重采樣resampling。

重采樣指的是將時間序列從⼀個頻率轉換到另⼀個頻率的處理過程。將⾼頻率數據聚合到低頻率稱為降采樣downsampling，如將股票的日線數據轉換成周線數據，⽽將低頻率數據轉換到⾼頻率則稱為升采樣upsampling，如將股票的周線數據轉換成日線數據。

降采樣：以日線數據轉換周線數據為例。繼續使用上面的tushare.pro日線行情數據，選出特定的幾列。

df = df[['ts_code', 'open', 'high', 'low', 'close', 'vol']]  # 單位：成交量 （手） 
 
 
              ts_code  open  high   low  close         vol 
trade_date                                                 
2018-07-02  000001.SZ  9.05  9.05  8.55   8.61  1315520.13 
2018-07-03  000001.SZ  8.69  8.70  8.45   8.67  1274838.57 
2018-07-04  000001.SZ  8.63  8.75  8.61   8.61   711153.37 
2018-07-05  000001.SZ  8.62  8.73  8.55   8.60   835768.77 
2018-07-06  000001.SZ  8.61  8.78  8.45   8.66   988282.69 
2018-07-09  000001.SZ  8.69  9.03  8.68   9.03  1409954.60 
2018-07-10  000001.SZ  9.02  9.02  8.89   8.98   896862.02 
2018-07-11  000001.SZ  8.76  8.83  8.68   8.78   851296.70 
2018-07-12  000001.SZ  8.60  8.97  8.58   8.88  1140492.31 
2018-07-13  000001.SZ  8.92  8.94  8.82   8.88   603378.21 
2018-07-16  000001.SZ  8.85  8.90  8.69   8.73   689845.58 
2018-07-17  000001.SZ  8.74  8.75  8.66   8.72   375356.33 
2018-07-18  000001.SZ  8.75  8.85  8.69   8.70   525152.77 

為了方便大家觀察，把這段時間的日歷附在下面，'2018-07-02'正好是星期一。

轉換的思路是這樣的，以日歷中的周進行聚合，如'20180702'-'20180708'，取該周期內，日線開盤價的第一個值作為周開盤價，日線最高價的最大值作為周最高價，日線最低價的最小值作為周最低價，日線收盤價的最后一個值作為周最收盤價，日線最高價的最大值作為周最高價，日線成交量的求和作為周成交量(手)，如下圖黃色方框所示。

我們可以通過.resample()【4】方法實現上述操作，對DataFrame和Series都適用。其中，參數rule設置需要轉換成的頻率，'1W'是一周。

具體轉換的代碼如下，日期默認為本周的星期日，如果周期內數據不全，如'20180722'這周只有3行數據，也會按照上述方法進行轉換。

freq = '1W' 
df_weekly = df[['open']].resample(rule=freq).first() 
df_weekly['high'] = df['high'].resample(rule=freq).max() 
df_weekly['low'] = df['low'].resample(rule=freq).min() 
df_weekly['close'] = df['close'].resample(rule=freq).last() 
df_weekly['vol'] = df['vol'].resample(rule=freq).sum() 
 
df_weekly 
 
Out[33]:  
            open  high   low  close         vol 
trade_date                                      
2018-07-08  9.05  9.05  8.45   8.66  5125563.53 
2018-07-15  8.69  9.03  8.58   8.88  4901983.84 
2018-07-22  8.85  8.90  8.66   8.70  1590354.68 

升采樣：以周線數據轉換日線數據為例。繼續使用上面剛剛轉換好的周線數據，我們再試著把它轉換成日線數據。先通過.resample('D').asfreq()【5】方法，將周線數據的頻率轉換成日線，效果如下。

df_daily = df_weekly.resample('D').asfreq() 
print(df_daily) 
 
Out[52]:  
            open  high   low  close         vol 
trade_date                                      
2018-07-08  9.05  9.05  8.45   8.66  5125563.53 
2018-07-09   NaN   NaN   NaN    NaN         NaN 
2018-07-10   NaN   NaN   NaN    NaN         NaN 
2018-07-11   NaN   NaN   NaN    NaN         NaN 
2018-07-12   NaN   NaN   NaN    NaN         NaN 
2018-07-13   NaN   NaN   NaN    NaN         NaN 
2018-07-14   NaN   NaN   NaN    NaN         NaN 
2018-07-15  8.69  9.03  8.58   8.88  4901983.84 
2018-07-16   NaN   NaN   NaN    NaN         NaN 
2018-07-17   NaN   NaN   NaN    NaN         NaN 
2018-07-18   NaN   NaN   NaN    NaN         NaN 
2018-07-19   NaN   NaN   NaN    NaN         NaN 
2018-07-20   NaN   NaN   NaN    NaN         NaN 
2018-07-21   NaN   NaN   NaN    NaN         NaN 
2018-07-22  8.85  8.90  8.66   8.70  1590354.68 

結果中出現了很多空值，需要我們按照一定的方法進行填充，可以通過添加.ffill()或者.bfill()實現。

其中，.ffill()代表用前值進行填充，也就是用前面的非空值對后面的NaN值進行填充，如'20180709'-20180714' 的NaN值都等于'20180708'這一行的非空值，效果如下。

df_daily = df_weekly.resample('D').ffill() 
df_daily 
 
Out[54]:  
            open  high   low  close         vol 
trade_date                                      
2018-07-08  9.05  9.05  8.45   8.66  5125563.53 
2018-07-09  9.05  9.05  8.45   8.66  5125563.53 
2018-07-10  9.05  9.05  8.45   8.66  5125563.53 
2018-07-11  9.05  9.05  8.45   8.66  5125563.53 
2018-07-12  9.05  9.05  8.45   8.66  5125563.53 
2018-07-13  9.05  9.05  8.45   8.66  5125563.53 
2018-07-14  9.05  9.05  8.45   8.66  5125563.53 
2018-07-15  8.69  9.03  8.58   8.88  4901983.84 
2018-07-16  8.69  9.03  8.58   8.88  4901983.84 
2018-07-17  8.69  9.03  8.58   8.88  4901983.84 
2018-07-18  8.69  9.03  8.58   8.88  4901983.84 
2018-07-19  8.69  9.03  8.58   8.88  4901983.84 
2018-07-20  8.69  9.03  8.58   8.88  4901983.84 
2018-07-21  8.69  9.03  8.58   8.88  4901983.84 
2018-07-22  8.85  8.90  8.66   8.70  1590354.68 

同理，.bfill()代表用后值對空值進行填充，效果如下。

df_daily = df_weekly.resample('D').bfill() 
df_daily 
Out[55]:  
            open  high   low  close         vol 
trade_date                                      
2018-07-08  9.05  9.05  8.45   8.66  5125563.53 
2018-07-09  8.69  9.03  8.58   8.88  4901983.84 
2018-07-10  8.69  9.03  8.58   8.88  4901983.84 
2018-07-11  8.69  9.03  8.58   8.88  4901983.84 
2018-07-12  8.69  9.03  8.58   8.88  4901983.84 
2018-07-13  8.69  9.03  8.58   8.88  4901983.84 
2018-07-14  8.69  9.03  8.58   8.88  4901983.84 
2018-07-15  8.69  9.03  8.58   8.88  4901983.84 
2018-07-16  8.85  8.90  8.66   8.70  1590354.68 
2018-07-17  8.85  8.90  8.66   8.70  1590354.68 
2018-07-18  8.85  8.90  8.66   8.70  1590354.68 
2018-07-19  8.85  8.90  8.66   8.70  1590354.68 
2018-07-20  8.85  8.90  8.66   8.70  1590354.68 
2018-07-21  8.85  8.90  8.66   8.70  1590354.68 
2018-07-22  8.85  8.90  8.66   8.70  1590354.68 

03、時間窗口函數

當我們想要比較數據在相同時間窗口的不同特征和變化時，可以借助窗口函數rolling【6】進行計算。

看一個實例：計算股票收盤價的移動平均值。

df = df[['ts_code', 'close']] 
df 
Out[58]:  
              ts_code  close 
trade_date                   
2018-07-02  000001.SZ   8.61 
2018-07-03  000001.SZ   8.67 
2018-07-04  000001.SZ   8.61 
2018-07-05  000001.SZ   8.60 
2018-07-06  000001.SZ   8.66 
2018-07-09  000001.SZ   9.03 
2018-07-10  000001.SZ   8.98 
2018-07-11  000001.SZ   8.78 
2018-07-12  000001.SZ   8.88 
2018-07-13  000001.SZ   8.88 
2018-07-16  000001.SZ   8.73 
2018-07-17  000001.SZ   8.72 
2018-07-18  000001.SZ   8.70 

調用rolling函數，通過設置參數window的值規定窗口大小，這里設置為3，并且調用.mean()方法計算窗口期為3天的均值，結果如下。

其中，'20180704'當天的平均值等于'20180702'-'20180704'三天的收盤價取平均的結果，'20180705'當天的平均值等于'20180703'-'20180705'三天的收盤價取平均的結果，以此類推。

df['MA3'] = df['close'].rolling(3).mean() 
df 
Out[76]:  
              ts_code  close       MA3 
trade_date                             
2018-07-02  000001.SZ   8.61       NaN 
2018-07-03  000001.SZ   8.67       NaN 
2018-07-04  000001.SZ   8.61  8.630000 
2018-07-05  000001.SZ   8.60  8.626667 
2018-07-06  000001.SZ   8.66  8.623333 
2018-07-09  000001.SZ   9.03  8.763333 
2018-07-10  000001.SZ   8.98  8.890000 
2018-07-11  000001.SZ   8.78  8.930000 
2018-07-12  000001.SZ   8.88  8.880000 
2018-07-13  000001.SZ   8.88  8.846667 
2018-07-16  000001.SZ   8.73  8.830000 
2018-07-17  000001.SZ   8.72  8.776667 
2018-07-18  000001.SZ   8.70  8.716667 

還有一個常用的窗口函數是expanding，每增加一行數據，窗口會相應的增大。比如，我們想計算某只股票每天的累計漲跌幅，就可以調用此函數。

df = df[['ts_code', 'pct_chg']]  # 列pct_chg單位是(%) 
 
Out[71]:  
              ts_code  pct_chg 
trade_date                     
2018-07-02  000001.SZ    -5.28 
2018-07-03  000001.SZ     0.70 
2018-07-04  000001.SZ    -0.69 
2018-07-05  000001.SZ    -0.12 
2018-07-06  000001.SZ     0.70 
2018-07-09  000001.SZ     4.27 
2018-07-10  000001.SZ    -0.55 
2018-07-11  000001.SZ    -2.23 
2018-07-12  000001.SZ     2.78 
2018-07-13  000001.SZ     0.00 
2018-07-16  000001.SZ    -1.69 
2018-07-17  000001.SZ    -0.11 
2018-07-18  000001.SZ    -0.23 

對列'pct_chg'調用窗口函數expanding，再調用.sum()方法求累計值。

df['cum_pct_chg'] = df['pct_chg'].expanding().sum() 
df 
Out[78]:  
              ts_code  pct_chg  cum_pct_chg 
trade_date                                  
2018-07-02  000001.SZ    -5.28        -5.28 
2018-07-03  000001.SZ     0.70        -4.58 
2018-07-04  000001.SZ    -0.69        -5.27 
2018-07-05  000001.SZ    -0.12        -5.39 
2018-07-06  000001.SZ     0.70        -4.69 
2018-07-09  000001.SZ     4.27        -0.42 
2018-07-10  000001.SZ    -0.55        -0.97 
2018-07-11  000001.SZ    -2.23        -3.20 
2018-07-12  000001.SZ     2.78        -0.42 
2018-07-13  000001.SZ     0.00        -0.42 
2018-07-16  000001.SZ    -1.69        -2.11 
2018-07-17  000001.SZ    -0.11        -2.22 
2018-07-18  000001.SZ    -0.23        -2.45 

04、總結

本文介紹了Pandas庫中處理時間序列數據的幾種常用方法。

在時間格式轉換部分，介紹了兩種將時間轉化成日期類型的方法，分別是通過設置參數parse_dates和調用方法pd.to_datetime()。

接著，介紹了時間周期的轉換，通過調用.resample()方法實現，包括降采樣和升采樣。

最后，介紹兩個常用的窗口函數rolling和expanding。

希望大家能靈活掌握本文中提到的方法，并應用到實際工作和學習中去!

譯者簡介：

Little monster，北京第二外國語學院國際商務專業研一在讀，目前在學習Python編程和量化投資相關知識。