Python Data Science Handbook, 2. Auflage

Kapitel 23. Arbeiten mit Zeitreihen

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Pandas wurde ursprünglich im Kontext der Finanzmodellierung entwickelt und enthält daher erwartungsgemäß ein umfangreiches Set an Werkzeugen für die Arbeit mit Datums-, Zeit- und zeitindizierten Daten. Es gibt verschiedene Arten von Datums- und Zeitdaten, die wir hier besprechen werden:

Zeitstempel

Bestimmte Zeitpunkte (z.B. der 4. Juli 2021 um 7:00 Uhr morgens).

Zeitintervalle und Zeiträume

Eine Zeitspanne zwischen einem bestimmten Anfangs- und Endpunkt, z. B. der Monat Juni 2021. Zeiträume beziehen sich in der Regel auf einen Sonderfall von Zeitintervallen, bei dem jedes Intervall gleich lang ist und sich nicht überschneidet (z. B. 24 Stunden lange Zeiträume, die Tage umfassen).

Zeitdeltas oder Dauern

Eine genaue Zeitspanne (z. B. 22,56 Sekunden).

In diesem Kapitel erfährst du, wie du mit jedem dieser Datums-/Zeitdatentypen in Pandas arbeiten kannst. Dies ist keineswegs ein vollständiger Leitfaden für die in Python oder Pandas verfügbaren Zeitreihentools, sondern soll vielmehr einen umfassenden Überblick darüber geben, wie du als Benutzer die Arbeit mit Zeitreihen angehen solltest. Wir beginnen mit einer kurzen Diskussion über Werkzeuge für den Umgang mit Daten und Zeiten in Python, bevor wir uns den Werkzeugen von Pandas widmen. Schließlich werden wir einige kurze Beispiele für die Arbeit mit Zeitreihendaten ...