利用 Python 进行数据分析：原书第 3 版

332

|

第

11

章

pandas

提供了许多内置的时间序列处理工具和算法。因此，你可以高效地处理大型时

间序列，轻松地进行切片

/

切块、聚合，以及对不定期或固定频率的时间序列进行重采

样等。其中一些工具特别适合金融和经济领域，当然你也可以用它们来分析服务器日志

数据。

本章其余部分，我们都以如下方式导入

NumPy

和

pandas

：

11.1

日期和时间数据的类型及工具

Python

标准库包含用于日期和时间数据的数据类型，并且还包含日历相关的功能。我

们主要会用到datetime、time 以及calendar 模 块。datetime.datetime（简写为

datetime）是使用广泛的数据类型：

datetime 以毫秒形式存储日期和时间。datetime.timedelta 表示两个 datetime 对象之

间的时间差：

可以给 datetime 对象加上（或减去）一个或多个 timedelta，这样会生成一个新的偏移

对象：

时间序列

|

333

表

11-1

总结了 datetime 模块中的数据类型。虽然本章主要讲的是

pandas

数据类型和

高级时间序列处理，但你肯定会在其他的

Python

使用场景碰到基于 datetime 的数据

类型。

表 11-1：

datetime

模块中的数据类型

类型 说明

date

以公历形式存储日历日期 ...