6.2 时间序列数据处理

6.2 时间序列数据处理

本节摘要：销售数据、日志、传感器读数都带着时间戳，而时间序列的处理套路和普通表格完全不同。本节掌握三件套：把日期列变成时间索引、用 resample 重采样改变时间粒度、用 rolling 做滑动窗口计算，最后学会提取周期特征（星期、月份）用于分析。

阅读收获

阅读完本节，你应当能够：

1. 用 to_datetime 创建时间索引，用 set_index 设为行索引
2. 用 resample 按日、周、月重采样并聚合
3. 用 rolling 计算移动平均等滑动窗口统计
4. 用 dt 访问器提取星期、月份等周期特征
5. 完成"日数据 → 周汇总 → 移动平均"的典型时序流程

一、问题与直觉

一张带日期的订单表，想回答"每周销售额怎么样"，用 groupby 按周分组要先把日期格式化成周——麻烦还容易错。时间序列场景需要的是一整套"以时间为轴"的操作：把时间变成索引、按时间粒度重采样、算滑动平均看趋势。Pandas 为此提供了专门的时间序列工具，掌握后这类问题都是一行代码。

二、核心原理

2.1 时间索引与普通索引的区别

普通索引（数字、字符串）只负责定位；DatetimeIndex（时间索引）额外具备时间语义：可以按时间段切片、按周期重采样、按时间差偏移。pd.to_datetime 把日期字符串转成时间类型，set_index 把日期列设为索引，时间序列操作的舞台就搭好了。

2.2 重采样与滑动窗口

• resample：改变时间粒度——日→周、日→月，聚合方式任意（sum、mean）
• rolling：固定窗口滑动计算——7 日移动平均，每个点是前 7 天的均值，用于平滑短期波动

两者都返回"以时间顺序计算"的结果，区别是 resample 改变粒度，rolling 保持粒度只做平滑。

三、工程实践要点

3.1 建立时间索引

import pandas as pd

df = pd.DataFrame({
    "日期": ["2026-01-01", "2026-01-02", "2026-01-03", "2026-01-04"],
    "销售额": [120, 150, 90, 180],
})
df["日期"] = pd.to_datetime(df["日期"])
df = df.set_index("日期")
print(df.index)   # DatetimeIndex
​

💡 关键直觉：set_index 不修改原表，要 df = df.set_index("日期") 才会生效。设完时间索引，切片写 df["2026-01-02":] 这种"时间字符串切片"才可用。

3.2 resample：改变时间粒度

# 按周汇总（W=周日为一周结束，MS=月初）
weekly = df["销售额"].resample("W").sum()
monthly = df["销售额"].resample("MS").sum()

# 按天补全缺失日期
daily_full = df["销售额"].resample("D").sum()
​

⚠️ 常见坑：resample 要求索引是 DatetimeIndex，且默认把缺失的时间点当 0 或 NaN 处理。按周聚合时某周没数据，结果就是空的——看结果前先确认数据的实际覆盖范围。

3.3 rolling：滑动窗口

# 7 日移动平均（前 7 天含当天）
df["销售7日均"] = df["销售额"].rolling(7, min_periods=1).mean()

# 3 日累计
df["3日累计"] = df["销售额"].rolling(3).sum()
​

min_periods=1 让数据不足窗口时也能出值（开头几天不用空着），画趋势线更平滑。

3.4 周期特征提取

df["星期"] = df.index.dayofweek          # 0=周一 ... 6=周日
df["月份"] = df.index.month
df["季度"] = df.index.quarter
df["是否周末"] = df.index.dayofweek >= 5
​

提取"星期几""是否周末"这类周期特征，是分析"周末销售是否更高"这类问题的前提，也是机器学习建模里的常见特征工程。

3.5 完整流程：日数据到周报

df = pd.DataFrame({
    "日期": pd.date_range("2026-01-01", periods=30, freq="D"),
    "销售额": [100 + i * 3 + (i % 7) * 10 for i in range(30)],
}).set_index("日期")

# 1. 周汇总
weekly = df["销售额"].resample("W").sum()

# 2. 移动平均看趋势
df["14日均"] = df["销售额"].rolling(14, min_periods=1).mean()

# 3. 周末 vs 工作日对比
df["是否周末"] = df.index.dayofweek >= 5
compare = df.groupby("是否周末")["销售额"].mean()
print(weekly)
print(compare)
​

三步走完：周报有了、趋势线有了、"周末效应"是否存在的证据也有了。

3.6 常见时间粒度代码速查

3.7 时间切片的定位

时间索引最爽的用法是按时间范围直接切片：

df = df.set_index("日期")

df["2026-01-01"]                  # 某一天
df["2026-01-01":"2026-01-07"]     # 某一段（含头含尾）
df["2026-01"]                     # 整个一月
df.loc["2026-01-02":]             # 某天之后
​

⚠️ 常见坑：时间切片要求索引是 DatetimeIndex，且字符串格式与索引一致。切片是"含头含尾"，与普通切片的"含头不含尾"不同——写时间范围时差一天，结果就多或少一天。

3.8 时间差与滞后特征

# 相邻两天的时间差
df["天数间隔"] = df.index.to_series().diff().dt.days

# 滞后特征：昨天的销售额（预测类任务常用）
df["昨日销售"] = df["销售额"].shift(1)

# 同比增长（月度数据）
monthly["同比"] = monthly["销售额"].pct_change(12) * 100
​

shift 造滞后特征、pct_change 算变化率，是时间序列分析与预测的基础构件。理解"滞后一天"的概念，是理解时间序列建模的起点。

3.9 时间序列的常见分析模式

时间序列分析的核心始终是"把时间维度变成可比较的度量"——粒度对齐、趋势提取、周期对比，三者覆盖了绝大多数需求。

3.10 常见时序坑速查

⚠️ 常见坑：跨时区或跨夏令时的数据，直接 to_datetime 可能解析错。生产环境里时间字段务必统一时区再入库，这是时序分析里最隐蔽也最费时间的坑。

3.11 实战收尾：销售预测的准备

时间序列的最终目的常常是预测。做预测前，先把历史数据整理成"模型能吃的形状"：

# 日粒度 → 周粒度（稳定波动）
weekly = df["销售额"].resample("W").sum()

# 构造滞后特征供模型使用
features = pd.DataFrame({
    "上周销售": weekly.shift(1),
    "上上周销售": weekly.shift(2),
    "目标": weekly,
}).dropna()
print(features.head())
​

"上周、上上周的销售 → 预测本周"是最朴素的时序特征构造，也是理解更复杂预测模型的起点。把这一步跑通，时间序列章节就算真正入门了。

一节小结

• 要点一：时间索引才有时间语义，先 to_datetime + set_index 搭舞台
• 要点二：resample 改变时间粒度（日→周→月），rolling 保持粒度做平滑
• 要点三：resample 前确认数据覆盖范围，缺失时间段会变空或 0
• 要点四：min_periods=1 让窗口开头的值不空，画趋势更顺
• 要点五：dayofweek、month、quarter 提取周期特征，周末效应靠它验证
• 要点六：set_index 不修改原表，必须重新赋值

数据处理的能力已经全面，下一节把它打包成工程——可复用的处理管道与工程化习惯。