按指定的时间参数来创建时间序列
import pandas as pd
# 创建按分钟为单元创建一个时间序列 date_range
dr1=pd.date_range(start='2017-10-09 20:00:00',end='2017-10-09 20:10:10',freq='T')
dr2=pd.date_range('2017-10-09 20:00:00',periods=11,freq='T')
print dr1
print 'dr1 和 dr2 创建方法略有不同，但是结果是相同的，看下面的比较：dr1==dr2'
print dr1==dr2
DatetimeIndex(['2017-10-09 20:00:00', '2017-10-09 20:01:00',
'2017-10-09 20:02:00', '2017-10-09 20:03:00',
'2017-10-09 20:04:00', '2017-10-09 20:05:00',
'2017-10-09 20:06:00', '2017-10-09 20:07:00',
'2017-10-09 20:08:00', '2017-10-09 20:09:00',
'2017-10-09 20:10:00'],
dtype='datetime64[ns]', freq='T')
dr1 和 dr2 创建方法略有不同，但是结果是相同的，看下面的比较：dr1==dr2
[ True True True True True True True True True True True]
# 将 date_range 放到一个 DataFrame 的 index
df=pd.DataFrame(index=dr1)
# 也可以用 pd.DataFrame(pd.Series(dr1))
df['num']=[i for i in range(11)]
print df
<class 'pandas.tseries.index.DatetimeIndex'>
一个常犯的错误
如果一个 DataFrame 的index 是 pandas.indexes.base.Index，单纯的打印出来看不出有什么问题，但是要做 resample 时可能就会报错。下面做一个对比：
df2_index=['2017-09-10','2017-09-11','2017-09-12','2017-09-13','2017-09-14','2017-09-15','2017-09-16','2017-09-17']
df2=pd.DataFrame(index=df2_index,data={'num':[i for i in range(8)]})
print df2
print '看看df2.index 的类型...'
print type(df2.index)
print '再看看 df.index 的类型...'
print type(df.index)
num
2017-09-10 0
2017-09-11 1
2017-09-12 2
2017-09-13 3
2017-09-14 4
2017-09-15 5
2017-09-16 6
2017-09-17 7
看看df2.index 的类型...
<class 'pandas.indexes.base.Index'>
再看看 df.index 的类型...
<class 'pandas.tseries.index.DatetimeIndex'>
要知道，只有 pandas.tseries.index.DatetimeIndex 的实例才可以用 resample 函数来重新对时间取样！所以，如果遇到这种问题，可以用 pandas.to_datetime()方法
df2.index=pd.to_datetime(df2.index)
print df2
print type(df2.index)
num
2017-09-10 0
2017-09-11 1
2017-09-12 2
2017-09-13 3
2017-09-14 4
2017-09-15 5
2017-09-16 6
2017-09-17 7
<class 'pandas.tseries.index.DatetimeIndex'>
按年/月/日/小时/分钟/秒来创建时间序列
freq 的取值只要按照下面的规则即可：
| 字母 | 含义 |
|---|---|
| A 或者 A-JAN / A-FEB / ... | 年 Annual |
| M | 月 Month |
| W | 周 Week |
| D | 天 Day |
| H | 小时 Hour |
| T | 分钟 minuTe |
| S | 秒 Second |
print pd.date_range('2017-10-09 20:00:00',periods=3,freq='S')
print '-------------'
print pd.date_range('2017-10-09 20:00:00',periods=3,freq='T')
print '-------------'
print pd.date_range('2017-10-09 20:00',periods=3,freq='H')
print '-------------'
print pd.date_range('2017-10-09',periods=3,freq='D')
print '-------------'
print pd.date_range('2017-10-09',periods=3,freq='M')
print '-------------'
# freq='A' 会被认为是缺省值 A-DEC
print pd.date_range('2017-10-09',periods=3,freq='A')
print pd.date_range('2017-10-09',periods=3,freq='A-JAN')
DatetimeIndex(['2017-10-09 20:00:00', '2017-10-09 20:00:01',
'2017-10-09 20:00:02'],
dtype='datetime64[ns]', freq='S')
-------------
DatetimeIndex(['2017-10-09 20:00:00', '2017-10-09 20:01:00',
'2017-10-09 20:02:00'],
dtype='datetime64[ns]', freq='T')
-------------
DatetimeIndex(['2017-10-09 20:00:00', '2017-10-09 21:00:00',
'2017-10-09 22:00:00'],
dtype='datetime64[ns]', freq='H')
-------------
DatetimeIndex(['2017-10-09', '2017-10-10', '2017-10-11'], dtype='datetime64[ns]', freq='D')
-------------
DatetimeIndex(['2017-10-31', '2017-11-30', '2017-12-31'], dtype='datetime64[ns]', freq='M')
-------------
DatetimeIndex(['2017-12-31', '2018-12-31', '2019-12-31'], dtype='datetime64[ns]', freq='A-DEC')
DatetimeIndex(['2018-01-31', '2019-01-31', '2020-01-31'], dtype='datetime64[ns]', freq='A-JAN')
重建时间序列
把按天建立的序列改为按3天为一个单元建立序列
dt1=pd.date_range('2017-09-01',periods=12,freq='D')
df=pd.DataFrame(index=dt1,data={'num':[i for i in range(12)]})
print df
print '\n重置index，改为3天为一个刻度'
df_left=df.resample('3D',label='left').sum().to_period('3D')
print df_left
print '\nlabel=right 注意，index 中选定的时间变了'
df_right=df.resample('3D',label='right').sum().to_period('3D')
print df_left
num
2017-09-01 0
2017-09-02 1
2017-09-03 2
2017-09-04 3
2017-09-05 4
2017-09-06 5
2017-09-07 6
2017-09-08 7
2017-09-09 8
2017-09-10 9
2017-09-11 10
2017-09-12 11
重置index，改为3天为一个刻度
num
2017-09-01 3
2017-09-04 12
2017-09-07 21
2017-09-10 30
label=right 注意，index 中选定的时间变了
num
2017-09-01 3
2017-09-04 12
2017-09-07 21
2017-09-10 30
