# 如何在 Python 中加载和探索时间序列数据 > 原文： [https://machinelearningmastery.com/load-explore-time-series-data-python/](https://machinelearningmastery.com/load-explore-time-series-data-python/) Python 中的 [Pandas 库](http://machinelearningmastery.com/quick-and-dirty-data-analysis-with-pandas/)为时间序列数据提供了出色的内置支持。 加载后，Pandas 还提供了探索和更好地理解数据集的工具。 在本文中，您将了解如何加载和浏览时间序列数据集。 完成本教程后，您将了解： * 如何使用 Pandas 从 CSV 文件加载时间序列数据集。 * 如何查看加载的数据并计算摘要统计信息。 * 如何绘制和查看时间序列数据。 让我们开始吧。 ## 每日女性出生数据集 在这篇文章中，我们将以每日女性出生数据集为例。 这个单变量的时间序列数据集描述了 1959 年加利福尼亚州每日女性出生的数量。 单位是计数，有 365 个观测值。数据集的来源归功于 Newton（1988）。 下面是前 5 行数据的示例，包括标题行。 ```py "Date","Daily total female births in California, 1959" "1959-01-01",35 "1959-01-02",32 "1959-01-03",30 "1959-01-04",31 "1959-01-05",44 ``` 下面是从数据市场获取的整个数据集的图表。  每日女性出生数据集 您可以[从该网站](https://datamarket.com/data/set/235k/daily-total-female-births-in-california-1959)下载数据集。 下载数据集并将其放在当前工作目录中，文件名为“ **daily-total-female-births-in-cal.csv** ”。 ### 加载时间序列数据 Pandas 将时间序列数据集表示为系列。 [系列](http://pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.html)是一维数组，每行有一个时间标签。 我们可以使用 Series 类直接加载 Daily Female Births 数据集，如下所示： ```py # Load birth data from pandas import Series series = Series.from_csv('daily-total-female-births-in-cal.csv', header=0) print(series.head()) ``` 运行此示例将打印数据集的前 5 行，如下所示： ```py Date 1959-01-01 35 1959-01-02 32 1959-01-03 30 1959-01-04 31 1959-01-05 44 Name: Daily total female births in California, 1959, dtype: int64 ``` 该系列有一个名称，它是数据列的列名。 您可以看到每一行都有一个关联的日期。这实际上不是一列，而是一个值的时间索引。作为索引，一次可以存在多个值，并且值可以在时间上均匀或不均匀地间隔开。 在 Pandas 中加载 CSV 数据的主要功能是 [read_csv（）](http://pandas.pydata.org/pandas-docs/stable/generated/pandas.read_csv.html#pandas.read_csv)功能。我们可以使用它来加载时间序列作为 Series 对象而不是 DataFrame，如下所示： ```py # Load birth data using read_csv from pandas import read_csv series = read_csv('daily-total-female-births-in-cal.csv', header=0, parse_dates=[0], index_col=0, squeeze=True) print(type(series)) print(series.head()) ``` 注意 **read_csv（）**函数的参数。 我们提供了许多提示，以确保数据作为系列加载。 * **header = 0** ：我们必须在第 0 行指定头信息。 * **parse_dates = [0]** ：我们给函数一个提示，即第一列中的数据包含需要解析的日期。这个参数采用一个列表，所以我们为它提供了一个元素的列表，它是第一列的索引。 * **index_col = 0** ：我们提示第一列包含时间序列的索引信息。 * **squeeze = True** ：我们暗示我们只有一个数据列，而且我们对 Series 而不是 DataFrame 感兴趣。 您可能需要为自己的数据使用的另一个参数是 **date_parser** ，用于指定解析日期时间值的函数。在此示例中，已推断出日期格式，这在大多数情况下都适用。在那些没有的情况下，指定您自己的日期解析函数并使用 **date_parser** 参数。 运行上面的示例打印相同的输出，但也确认时间序列确实作为 Series 对象加载。 ```py <class 'pandas.core.series.Series'> Date 1959-01-01 35 1959-01-02 32 1959-01-03 30 1959-01-04 31 1959-01-05 44 Name: Daily total female births in California, 1959, dtype: int64 ``` 在 DataFrame 而不是 Series 对象中执行时间序列数据的操作通常更容易。 在这些情况下，您可以轻松地将加载的 Series 转换为 DataFrame，如下所示： ```py dataframe = DataFrame(series) ``` ### 进一步阅读 * 更多关于 [Series.from_csv（）](http://pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.from_csv.html#pandas.Series.from_csv)的功能。 * 更多关于 [pandas.read_csv（）](http://pandas.pydata.org/pandas-docs/stable/generated/pandas.read_csv.html#pandas.read_csv)的功能。 ## 探索时间序列数据 Pandas 还提供了探索和汇总时间序列数据的工具。 在本节中，我们将介绍一些常见的操作，以探索和汇总您加载的时间序列数据。 ### 窥视数据 最好先查看已加载的数据，以确认按预期加载的类型，日期和数据。 您可以使用 **head（）**功能查看前 5 条记录或指定要查看的前 n 条记录。 例如，您可以按如下方式打印前 10 行数据。 ```py from pandas import Series series = Series.from_csv('daily-total-female-births-in-cal.csv', header=0) print(series.head(10)) ``` 运行该示例将打印以下内容： ```py Date 1959-01-01 35 1959-01-02 32 1959-01-03 30 1959-01-04 31 1959-01-05 44 1959-01-06 29 1959-01-07 45 1959-01-08 43 1959-01-09 38 1959-01-10 27 ``` 您还可以使用 **tail（）**函数来获取数据集的最后 **n** 记录。 ### 观察数量 对数据执行的另一个快速检查是加载的观察数量。 这可以帮助清除列标题未按预期处理的问题，并了解如何有效地分割数据以便与监督学习算法一起使用。 您可以使用 **size** 参数获取系列的维度。 ```py from pandas import Series series = Series.from_csv('daily-total-female-births-in-cal.csv', header=0) print(series.size) ``` 运行这个例子，我们可以看到，正如我们所期望的那样，有 36 个观测值，一个是 1959 年的每一天。 ```py 365 ``` ### 按时间查询 您可以使用时间索引对系列进行切片，切块和查询。 例如，您可以按如下方式访问 1 月份的所有观察结果： ```py from pandas import Series series = Series.from_csv('daily-total-female-births-in-cal.csv', header=0) print(series['1959-01']) ``` 运行它显示 1959 年 1 月的 31 个观测值。 ```py Date 1959-01-01 35 1959-01-02 32 1959-01-03 30 1959-01-04 31 1959-01-05 44 1959-01-06 29 1959-01-07 45 1959-01-08 43 1959-01-09 38 1959-01-10 27 1959-01-11 38 1959-01-12 33 1959-01-13 55 1959-01-14 47 1959-01-15 45 1959-01-16 37 1959-01-17 50 1959-01-18 43 1959-01-19 41 1959-01-20 52 1959-01-21 34 1959-01-22 53 1959-01-23 39 1959-01-24 32 1959-01-25 37 1959-01-26 43 1959-01-27 39 1959-01-28 35 1959-01-29 44 1959-01-30 38 1959-01-31 24 ``` 这种基于索引的查询可以帮助在浏览数据集时准备摘要统计和绘图。 ### 描述性统计 计算时间序列的描述性统计数据有助于了解值的分布和传播。 这可能有助于数据扩展甚至数据清理的想法，您可以在以后将其作为准备数据集进行建模的一部分来执行。 **describe（）**函数创建加载时间序列的 7 个数字摘要，包括观察值的均值，标准差，中值，最小值和最大值。 ```py from pandas import Series series = Series.from_csv('daily-total-female-births-in-cal.csv', header=0) print(series.describe()) ``` 运行此示例将打印出生率数据集的摘要。 ```py count 365.000000 mean 41.980822 std 7.348257 min 23.000000 25% 37.000000 50% 42.000000 75% 46.000000 max 73.000000 ``` ### 绘制时间序列 绘制时间序列数据，尤其是单变量时间序列，是探索数据的重要部分。 通过调用 **plot（）**函数在已加载的 Series 上提供此功能。 下面是绘制整个加载的时间序列数据集的示例。 ```py from pandas import Series from matplotlib import pyplot series = Series.from_csv('daily-total-female-births-in-cal.csv', header=0) pyplot.plot(series) pyplot.show() ``` 运行该示例将创建一个时间序列图，其中 y 轴上的每日出生次数和沿 x 轴的天数。  每日总女性出生情节 ### 进一步阅读 如果您有兴趣了解有关使用时间序列数据的 Pandas 功能的更多信息，请参阅下面的一些链接。 * [熊猫时间序列/日期功能](http://pandas.pydata.org/pandas-docs/stable/timeseries.html) * [熊猫时间序列基础知识](http://chrisalbon.com/python/pandas_time_series_basics.html) * [大熊猫时间序列分析](http://earthpy.org/pandas-basics.html) ## 摘要 在这篇文章中，您了解了如何使用 Pandas Python 库加载和处理时间序列数据。 具体来说，你学到了： * 如何将您的时间序列数据加载为 Pandas 系列。 * 如何查看和计算时间序列数据的摘要统计信息。 * 如何绘制时间序列数据。 您对在 Python 中处理时间序列数据有任何疑问，或者关于这篇文章？ 在下面的评论中提出您的问题，我会尽力回答。