python中时间序列数据的一些处理方式

1. python中时间序列数据的一些处理方式

 datetime.timedelta对象代表两个时间之间的时间差，两个date或datetime对象相减就可以返回一个timedelta对象。   利用以下数据进行说明：
                                                                                                                                                                                                           如果我们发现时间相关内容的变量为int,float,str等类型，不方便后面的分析，就需要使用该函数转化为常用的时间变量格式：pandas.to_datetime
   转换得到的时间单位如下：
                                           如果时间序列格式不统一，pd.to_datetime()的处理方式：
                                           当然，正确的转换是这样的：
                                           第一步：to_datetime()   第二步：astype(datetime64[D]),astype(datetime64[M])
                                           本例中：
                                                                                                                           order_dt_diff必须是Timedelta('0 days 00:00:00')格式，可能是序列使用了diff()   或者pct_change()。
                                           前者往往要通过'/np.timedelta'去掉单位days。后者其实没有单位。
                                                                                   假如我们要统计某共享单车一天内不同时间点的用户使用数据，例如
                                           还有其他维度的提取，年、月、日、周，参见：    Datetime properties 
    注意 ：.dt的对象必须为pandas.Series,而不可以是Series中的单个元素   
                                           

2. 时间序列的预测

时间序列预测主要是以连续性原理作为依据的。连续性原理是指客观事物的发展具有合乎规律的连续性，事物发展是按照它本身固有的规律进行的。在一定条件下，只要规律赖以发生作用的条件不产生质的变化，则事物的基本发展趋势在未来就还会延续下去。时间序列预测就是利用统计技术与方法，从预测指标的时间序列中找出演变模式，建立数学模型，对预测指标的未来发展趋势做出定量估计。