7-1 时间索引的随访档案

7-1 时间索引：建立随访档案

本节摘要：to_datetime把日期文本升格为datetime64血型，升格后的DatetimeIndex支持字符串直接切片与部分索引；Timestamp、Period、Timedelta是三种时间血型，时区转换是跨国随访的慢性病。本节把病史装上时间轴。

第01章埋的伏笔（parse_dates）在这里正式展开。日期只要还是文本，"3月"就只能靠字符串前缀去猜；升格为时间类型后，切片、对齐、重采样全部免费获得。

建档：从文本到datetime64

import pandas as pd

df = pd.DataFrame({
    '日期': ['2024-01-03', '2024-01-10', '2024-01-15', '2024-02-01'],
    '金额': [1280, 1732, 880, 1150],
})

# 升格第一式：列转类型
df['日期'] = pd.to_datetime(df['日期'])
print(df.dtypes)
# 日期     datetime64[ns]
# 金额              int64

# 升格第二式：直接当挂号条
ts = df.set_index('日期').sort_index()   # 时间索引务必排序
print(ts)
#             金额
# 日期
# 2024-01-03  1280
# 2024-01-10  1732
# 2024-01-15   880
# 2024-02-01  1150
​

⚠️ 常见坑：格式混乱的日期列让Pandas猜格式，几十万行时又慢又易猜错。固定格式用format参数一次说清：pd.to_datetime(s, format='%Y年%m月%d日')。解析不了的脏值加errors='coerce'转NaN，再回第03章流程处置。

时间切片：字符串直接上

# DatetimeIndex的专属待遇：字符串切片，双闭
print(ts.loc['2024-01'].sum())
# 金额    3892
print(ts.loc['2024-01-05':'2024-01-20'])
#             金额
# 日期
# 2024-01-10  1732
# 2024-01-15   880

# 部分索引：取年份、月份的快捷属性
print(ts.index.month.tolist())    # [1, 1, 1, 2]
print(ts.index.day_name().tolist())
# ['Wednesday', 'Wednesday', 'Monday', 'Thursday']
​

这些索引属性是后续分组的好材料：ts.groupby(ts.index.month).sum()直接出月报——不过更正规的重采样在下一节。

随访日历：date_range

# 造一张完整日历：体检中心按天排班
cal = pd.date_range('2024-01-01', '2024-01-05', freq='D')
print(cal)
# DatetimeIndex(['2024-01-01', '2024-01-02', '2024-01-03',
#                '2024-01-04', '2024-01-05'], dtype='datetime64[ns]', freq='D')

# 工作日频率：W表示周，B表示工作日，MS表示月初
print(pd.date_range('2024-01-01', periods=3, freq='MS'))
# DatetimeIndex(['2024-01-01', '2024-02-01', '2024-03-01'], ...)

# 缺勤检查：日历对齐后reindex，缺勤日现形
full = pd.Series(0.0, index=pd.date_range('2024-01-01', '2024-01-05'))
visited = pd.Series([1280, 880], index=pd.to_datetime(['2024-01-03', '2024-01-05']))
record = full.add(visited, fill_value=0)
print(record[record == 0].index.tolist())
# [Timestamp('2024-01-01'), Timestamp('2024-01-02'), Timestamp('2024-01-04')]
​

三种时间血型与时区

# Timestamp：某一刻（心电图上的一个点）
t = pd.Timestamp('2024-01-15 14:30:00')
# Period：一段时间（一次住院疗程）
p = pd.Period('2024-01', freq='M')
print(p.start_time, '到', p.end_time)
# 2024-01-01 00:00:00 到 2024-01-31 23:59:59.999999999
# Timedelta：时长（住院几天）
print(pd.Timestamp('2024-01-15') - pd.Timestamp('2024-01-03'))
# Timedelta('12 days')

# 时区：总部在东京的门店报数过来
tokyo = ts.tz_localize('Asia/Tokyo')
print(tokyo.index[:1])
# DatetimeIndex(['2024-01-03 00:00:00+09:00'], dtype='datetime64[ns, Asia/Tokyo]')
beijing = tokyo.tz_convert('Asia/Shanghai')
print(int(beijing.index[0].hour) - int(tokyo.index[0].hour))
# -1  东京零点对应北京前一天23点
​

随访档案的建立流程

时间索引建档与随访对齐

本节要点回顾

• to_datetime加format是升格正规姿势，脏值coerce后回第03章流程
• 时间索引切片双闭，字符串'2024-01'整月直取
• 三种血型：Timestamp是刻、Period是段、Timedelta是差
• date_range加reindex是缺勤检查的标准组合
• 时区localize再convert，跨区数据先统一时区再对齐

下一节开始正式复诊：resample重采样。