Pythonデータサイエンスハンドブック 第2版 ―Jupyter、NumPy、pandas、Matplotlib、scikit-learnを使ったデータ分析、機械学習

23章時系列

pandasは、もともと財務モデリング用に開発されたため、日付、時刻、および時間インデクスデータを扱うための機能を期待される通り豊富に用意しています。日付と時刻データは、異なるいくつかの種類が用意されているので、ここで説明します。

タイムスタンプ（timestamp）

ある特定の時刻（例えば、2021年7月4日7:00 a.m.）。

時間間隔（time interval）と期間（period）

特定の始点と終点の間の時間の長さ（例えば、2021年6月の1ヶ月）。期間は時間間隔の特殊な場合であり、通常、各時間間隔が一定で重複しない（例えば、1日を構成する24時間）。

時間差（time delta）と継続時間（duration）

精密な時間の長さ（例えば、22.56秒）。

この章では、pandasでこれらの日付や時刻のデータを処理する方法を紹介します。これはPythonやpandasで利用可能な時系列機能の完全なガイドではありません。ユーザが時系列をどのように扱うべきか、その指針を広く浅く示すことを目的としています。まず、Pythonで日付と時刻を扱うための機能について簡単に説明します。次に、pandasが提供する機能を詳しく説明します。最後にpandasで時系列データを扱う簡単な例を紹介します。

23.1　Pythonの日付と時刻

Pythonには、日付、時刻、時間差、期間に対して利用可能な表現が多数あります。pandasが提供する時系列関連の機能は、データサイエンスアプリケーションに対して非常に有用であるため、Pythonで使用される他のツールとの関係を理解することはとても有益です。

23.1.1　Python組み込みの日付と時刻：datetimeとdateutil ...