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

3.12

 時系列

193

2015-07-04 2

2015-08-04 3

dtype: int64

このデータは

Series

に入っているので、前の節で説明した

Series

のインデクスパターンに対し

て日付と解釈できるデータを渡すことができます。

In[13]: data['2014-07-04':'2015-07-04']

Out[13]: 2014-07-04 0

2014-08-04 1

2015-07-04 2

dtype: int64

また、年を渡して当該年すべての日付スライスを取得するなど、日付に対する特殊なインデクス

操作が追加されています。

In[14]: data['2015']

Out[14]: 2015-07-04 2

2015-08-04 3

dtype: i

nt64

日付をインデクスとすることによる利便性を高める例を後で紹介します。しかし、ここでは利用

可能な時系列のデータ構造を詳しく見ることとしましょう。

3.12.3

 

pandas

の時系列データ構造

この節では、時系列データを扱うための基本的な

pandas

データ構造を紹介します。

タイムスタンプ（timestamp）

pandas

は

Timestamp

型 を 提 供 し ま す。 繰 り 返 し に な り ま す が、

Python

組 み 込 み の

datetime

の代わりにとして使用できますが、より効率的な

numpy.datetime64

データ型に

基づいて実装されています。関連するインデクス構造は

DatetimeIndex