Pandas提供了表示时间点、时间段和时间间隔等三种与时间有关的类型，以及元素为这些类型的索引对象，并提供了许多时间序列相关的函数。

一、时间点、时间段、时间间隔

Timestamp对象从Python标准库中的datetime类继承，表示时间轴上的一个时刻。它提供了方便的时区转换功能。下面调用Timestamp.now()获取当前时间now，它是不包含时区信息的本地时间。调用其tz_localize()可以得到指定时区的Timestamp对象。而带时区信息的Timestamp对象可以通过其tz_convert()转换时区。下面的now_shanghai的时间以"+08:00"结尾，表示它是东八区的时间，将其转换为东京时间得到now_tokyo，它是东九区的时间：

now = pd.Timestamp.now()
now_shanghai = now.tz_localize("Asia/Shanghai")
now_tokyo = now_shanghai.tz_convert("Asia/Tokyo")
print u"本地时间:", now
print u"上海时区:", now_shanghai
print u"东京时区:", now_tokyo
本地时间: 2015-07-25 11:50:46.264000
上海时区: 2015-07-25 11:50:46.264000+08:00
东京时区: 2015-07-25 12:50:46.264000+09:00

不同时区的时间可以比较，而本地时间和时区时间无法比较：

now_shanghai == now_tokyo
True

通过pytz模块的common_timezones()可以获得常用的表示时区的字符串：

import pytz
pytz.common_timezones
['Africa/Abidjan',
'Africa/Accra',
'Africa/Addis_Ababa',
'Africa/Algiers',
...

Period对象表示一个标准的时间段，例如某年、某月、某日、某小时等。时间段的长短由freq属性决定。下面的程序调用Period.now()，分别获得包含当前时间的日周期时间段和小时周期时间段。

now_day = pd.Period.now(freq="D")
now_hour = pd.Period.now(freq="H")
now_day                       now_hour           
-------------------------  -------------------------------
Period('2015-07-25', 'D')  Period('2015-07-25 11:00', 'H')

freq属性是一个描述时间段的字符串，其可选值可以通过下面的代码获得：

from pandas.tseries import frequencies

frequencies._period_code_map.keys()

frequencies._period_alias_dictionary()

对于周期为年度和星期的时间段，可以通过freq指定开始的时间。例如"W"表示以星期天开始的星期时间段，而"W-MON"则表示以星期一开始的星期时间段：

now_week_sun = pd.Period.now(freq="W")
now_week_mon = pd.Period.now(freq="W-MON")
now_week_sun                              now_week_mon              
----------------------------------------  ----------------------------------------
Period('2015-07-20/2015-07-26', 'W-SUN')  Period('2015-07-21/2015-07-27', 'W-MON')

时间段的起点和终点可以通过start_time和end_time属性获得，它们都是表示时间点的Timestamp对象：

now_day.start_time                      now_day.end_time             
--------------------------------  ------------------------------------------
Timestamp('2015-07-25 00:00:00')  Timestamp('2015-07-25 23:59:59.999999999')

调用Timestamp对象的to_period()方法可以把时间点转换为包含该时间点的时间段。注意时间段不包含时区信息：

now_shanghai.to_period("H")
Period('2015-07-25 11:00', 'H')

Timestamp和Period对象可以通过其属性获得年、月、日等信息。下面分别获得年、月、日、星期几、一年中的第几天、小时等信息：

将两个时间点相减可以得到表示时间间隔的Timedelta对象，下面计算当前时刻离2015年国庆节还有多少时间：

national_day = pd.Timestamp("2015-10-1")
td = national_day - pd.Timestamp.now()
td
Timedelta('67 days 12:09:04.039000')

时间点和时间间隔之间可以进行加减运算：

national_day + pd.Timedelta("20 days 10:20:30")
Timestamp('2015-10-21 10:20:30')

Timedelta对象的days、seconds、microseconds和nanoseconds等属性分别获得它包含的天数、秒数、微秒数和纳秒数。注意这些值与对应的单位相乘并求和才是该对象表示的总时间间隔：

td.days  td.seconds  td.microseconds
-------  ----------  ---------------
67L     43744L      39000L  

也可以通过关键字参数直接指定时间间隔的天数、小时数、分钟数和秒数：

print pd.Timedelta(days=10, hours=1, minutes=2, seconds=10.5)
print pd.Timedelta(seconds=100000)
10 days 01:02:10.500000
1 days 03:46:40

二、时间序列

上节介绍的Timestamp、Period和Timedelta对象都是表示单个值的对象，这些值可以放在索引或数据列中。下面的程序调用random_timestamps()创建一个包含5个随机时间点的DatetimeIndex对象ts_index，然后通过ts_index创建PeriodIndex类型的索引对象pd_index和TimedeltaIndex类型的索引对象td_index。DatetimeIndex、PeriodIndex和TimedeltaIndex都从Index继承，可以作为Series或DataFrame的索引。

random_timestamps()中的date_range()函数创建以start为起点、以end为终点、周期为freq的DatetimeIndex对象。

下面查看这三种索引对象的dtype属性。其中M8[ns]和m8[ns]是NumPy中表示时间点和时间间隔的dtype类型，内部采用64位整数存储时间信息，其中[ns]表示时间的最小单位为纳秒，能表示的时间范围大约是公元1678年到公元 2262年。PeriodIndex也使用64位整数，但是最小时间单位由其freq属性决定。

ts_index.dtype   pd_index.dtype   td_index.dtype
----------------  --------------  ----------------
dtype('＜M8[ns]')  dtype('int64')  dtype('＜m8[ns]')

这三种索引对象都提供了许多与时间相关的属性，例如：

ts_index.weekday   pd_index.month        td_index.seconds      
----------------  ---------------  ----------------------------
[3, 6, 5, 3, 1]   [1, 2, 2, 8, 8]  [57120, 15960, 51000, 37980]

DatetimeIndex.shift(n, freq)可以移动时间点，将当前的时间移动n个freq时间单位。对于天数、小时这样的精确单位，结果相当于与指定的时间间隔相加：

ts_index.shift(1, "H")
DatetimeIndex(['2015-01-15 17:12:00', '2015-02-15 09:04:00',
'2015-02-28 13:30:00', '2015-08-06 03:40:00',
'2015-08-18 14:13:00'],
dtype='datetime64[ns]', freq=None, tz=None)

而对于月份这样不精确的时间单位，则移动一个单位相当于移到月头或月底：

ts_index.shift(1, "M")
DatetimeIndex(['2015-01-31 16:12:00', '2015-02-28 08:04:00',
'2015-03-31 12:30:00', '2015-08-31 02:40:00',
'2015-08-31 13:13:00'],
dtype='datetime64[ns]', freq=None, tz=None)

DatetimeIndex.normalize()将时刻修改为当天的凌晨零点，可以理解为按日期取整：

ts_index.normalize()
DatetimeIndex(['2015-01-15', '2015-02-15', '2015-02-28', '2015-08-06',
'2015-08-18'],
dtype='datetime64[ns]', freq=None, tz=None)

如果希望对任意的时间周期取整，可以先通过to_period()将其转换为PeriodIndex对象，然后再调用to_timestamp()方法转换回DatetimeIndex对象。to_timestamp()的how参数决定将时间段的起点还是终点转换为时间点，默认值为"start"。

ts_index.to_period("H").to_timestamp()
DatetimeIndex(['2015-01-15 16:00:00', '2015-02-15 08:00:00',
'2015-02-28 12:00:00', '2015-08-06 02:00:00',
'2015-08-18 13:00:00'],
dtype='datetime64[ns]', freq=None, tz=None)

下面的Series对象ts_series的索引为DatetimeIndex对象，这种Series对象被称为时间序列：

ts_series = pd.Series(range(5), index=ts_index)

时间序列提供一些专门用于处理时间的方法，例如between_time()返回所有位于指定时间范围之内的数据：

ts_series.between_time("9:00", "18:00")
2015-01-15 16:12:00    0
2015-02-28 12:30:00    2
2015-08-18 13:13:00    4
dtype: int64

而tshift()则将索引移动指定的时间：

ts_series.tshift(1, freq="D")
2015-01-16 16:12:00    0
2015-02-16 08:04:00    1
2015-03-01 12:30:00    2
2015-08-07 02:40:00    3
2015-08-19 13:13:00    4
dtype: int64

以PeriodIndex和TimedeltaIndex为索引的序列也可以使用tshift()对索引进行移动：

时间信息除了可以作为索引之外，还可以作为Series或DataFrame的列。下面分别将上述三种索引对象转换为Series对象，并查看其dtype属性：

可以看到Pandas的Series对象目前尚不支持使用64位整数表示时间段，因此使用对象数组保存所有的Period对象。而对于时间点和时间间隔数据则采用64位整数数组保存。

当序列的值为时间数据时，可以通过名字空间对象dt调用时间相关的属性和方法。例如：

三、与NaN相关的函数

Pandas使用NaN表示缺失的数据，由于整数列无法使用NaN，因此如果整数类型的列出现缺失数据，则会被自动转换为浮点数类型。下面将布尔类型的DataFrame对象传递给一个整数类型的DataFrame对象的where()方法。该方法将False对象的元素设置为NaN，注意其结果变成了浮点数类型，而没有NaN的列仍然为整数类型。

isnull()和notnull()用于判断元素值是否为NaN，它们返回全是布尔值的DataFrame对象。df.notnull()和~df.isnull()的结果相同，但是由于notnull()少创建一个临时对象，其运算效率更高一些。

count()返回每行或每列的非NaN元素的个数：

对于包含NaN元素的数据，最简单的办法就是调用dropna()以删除包含NaN的行或列，当全部使用默认参数时，将删除包含NaN的所有行。可以通过thresh参数指定NaN个数的阈值，删除所有NaN个数大于等于该阈值的行。

当行数据按照某种物理顺序(例如时间)排列时，可以使用NaN前后的数据对其进行填充。ffill()使用之前的数据填充，而bfill()则使用之后的数据填充。interpolate()使用前后数据进行插值填充：

interpolate()默认使用等距线性插值，可以通过其method参数指定插值算法。在下面的例子中，第0个元素和第2个元素的数值分别为3.0和7.0，因此当method参数默认省时下标为1的NaN被填充为前后两个元素的平均值5.0。而当method为"index"时，则使用索引值进行插值运算。由于第1个元素的索引与第2个元素的索引接近，因此其插值结果也接近第二个元素的值。

此外还可以使用字典参数让fillna()对不同的列使用不同的值填充NaN：

各种聚合方法的skipna参数默认为True，因此计算时将忽略NaN元素，注意每行或每列是单独运算的。如果需要忽略包含NaN的整行，需要先调用dropna()。若将skipna参数设置为False，则包含NaN的行或列的运算结果为NaN。

df.combine_first(other)使用other填充df中的NaN元素。它将df中的NaN元素替换为other中对应标签的元素。在下面的例子中，df_nan中索引为1、2、8、9的行中的NaN被替换为df_other中相应的值：

四、改变DataFrame的形状

本节介绍表1中的函数：

表1 本节要介绍的函数

DataFrame的shape属性和NumPy的二维数组相同，是一个有两个元素的元组。由于DataFrame的index和columns都支持MultiIndex索引对象，因此可以用DataFrame表示更高维的数据。

下面首先从CSV文件读入数据，并使用groupby()计算分组的平均值。关于groupby在后面的章节还会详细介绍。注意下面的soils_mean对象的行索引是多级索引：

1．添加删除列或行

由于DataFrame可以看作一个Series对象的字典，因此通过DataFrame[colname] = values即可添加新列。有时新添加的列是从已经存在的列计算而来，这时可以使用eval()方法计算。例如下面的代码添加一个名为N_percent的新列，其值为N列乘上100：

soils["N_percent"] = soils.eval("N * 100")

assign()方法添加由关键字参数指定的列，它返回一个新的DataFrame对象，原数据的内容保持不变：

append()方法用于添加行，它没有inplace参数，只能返回一个全新对象。由于每次调用append()都会复制所有的数据，因此在循环中使用append()添加数据会极大地降低程序的运算速度。可以使用一个列表缓存所有的分块数据，然后调用concat()将所有这些数据沿着指定轴拼贴到一起。下面的程序比较二者的运算速度：

def random_dataframe(n):
columns = ["A", "B", "C"]
for i in range(n):
nrow = np.random.randint(10, 20)
yield pd.DataFrame(np.random.randint(0, 100, size=(nrow, 3)), columns=columns)

df_list = list(random_dataframe(1000))
%%time
df_res1 = pd.DataFrame([])
for df in df_list:
df_res1 = df_res1.append(df)
Wall time: 1.37 s
%%time
df_res2 = pd.concat(df_list, axis=0)
Wall time: 118 ms

可以使用keys参数指定与每块数据对应的键，这样结果中的拼接轴将使用多级索引，方便快速获取原始的数据块。下面获取拼接之后的DataFrame对象中第0级标签为30的数据，并使用equals()方法判断它是否与原始数据中下标为30的数据块相同：

df_res3 = pd.concat(df_list, axis=0, keys=range(len(df_list)))
df_res3.loc[30].equals(df_list[30])
True

drop()删除指定标签对应的行或列，下面删除名为N和Group的两列：

2．行索引与列之间的相互转换

reset_index()可以将索引转换为列，通过level参数可以指定被转换为列的级别。如果只希望从索引中删除某个级别，可以设置drop参数为True。

set_index()将列转换为行索引，如果append参数为False(默认值)，则删除当前的行索引；若为True，则为当前的索引添加新的级别。

3．行索引和列索引的相互转换

stack()方法把指定级别的列索引转换为行索引，而unstack()则把行索引转换为列索引。下面的程序将行索引中的第一级转换为列索引的第一级，所得到的结果中行索引为单级索引，而列索引为多级索引：

无论是stack()还是unstack()，当所有的索引被转换到同一个轴上时，将得到一个Series对象：

4．交换索引的等级

reorder_levels()和swaplevel()交换指定轴的索引级别。下面调用swaplevel()交换行索引的两个级别，然后调用sort_index()对新的索引进行排序：

5．透视表

pivot()可以将DataFrame中的三列数据分别作为行索引、列索引和元素值，将这三列数据转换为二维表格：

pivot()的三个参数index、columns和values只支持指定一列数据。若不指定values参数，就将剩余的列都当作元素值列，得到多级列索引：

melt()可以看作pivot()的逆变换。由于它不能对行索引进行操作，因此先调用reset_index()将行索引转换为列，然后用id_vars参数指定该列为标识列：