五、时间处理

一、时间戳-----Timestamp类型

方法1：使用Timestamp创建

pandas.Timestamp(ts_input, freq=None, tz=None, unit=None, year=None, month=None, day=None, hour=None, minute=None, second=None, microsecond=None, tzinfo=None, offset=None)

import pandas as pd
ts1=pd.Timestamp('2023/4/19')
ts2=pd.Timestamp('20230419')
ts3=pd.Timestamp('2023-4-19')
print(ts1,ts2,ts3)#2023-04-19 00:00:00 2023-04-19 00:00:00 2023-04-19 00:00:00

方法2：使用to_datetime函数

pandas.to_datetime(arg, errors='raise', dayfirst=False, yearfirst=False, utc=None, box=True, format=None, exact=True, unit=None, infer_datetime_format=False, origin='unix')

参数说明:

arg：需要转换的时间和日期

errors：值为ignore（无效的解析将返回原值），值为raise（无效的解析将引发异常），值为coerce（无效的解析将被置为NaT）

dayfirst：第一个为天，例如：23/11/2022，置为True：解析为 2022-11-23，置为False：解析为 2022-23-11

date_range()方法，用于生成一个固定频率的DatetimeIndex时间索引。

pandas.date_range(start=None, end=None, periods=None, freq=None, tz=None, normalize=False, name=None, closed=None, **kwargs)

常用参数为start、end、periods、freq。

start：指定生成时间序列的开始时间

end：指定生成时间序列的结束时间

periods：指定生成时间序列的数量

freq：生成频率，默认‘D’，可以是‘D’（天）、‘10D’、’H’（时）、‘5H’、‘T’（分）、‘S’（秒）、‘15T’、‘M’（月）

重采样（Resample方法）

Resample（）方法： resample能搭配各种不同时间维度，进行分组聚合。针对分组情况你可以搭配使用max、min、sum、mean等使用

resample(rule, how=None, axis=0, fill_method=N one, closed=None, label=None, ..

To_period()方法可以将时间戳转换为日期，从而实现按照日期显示数据

示例 1：将时间序列数据进行降采样为3分钟间隔，对每个区间内的数值求和。

示例2：将时间序列数据进行上采样为30秒间隔，利用ffill和bfill填充

降采样：将高频率转换为低频率，使用聚合函数 升采样：将低频率转为高频率，会引入缺失值。

滑动窗口rolling函数

根据指定的单位长度来框住时间序列，从而计算框内的统计指标

DataFrame.rolling(window, min_periods=None, center=False, win_type=None, on=None, axis=0, closed=None)

六、机器学习

机器学习就是通过算法，使得机器能从大量历史数据中学习规律，并利用规律对新的样本做智能识别或对未来做预测。

机器学习的分类

1.按学习目标的不同，机器学习可分为：

监督学习（Supervised Learning）---有标签

无监督学习（Unsupervised Learning） ---无标签

半监督学习（Semi-Supervised Learning） ---有部分标签

强化学习（Reinforcement Learning, RL） ---有延迟的标签

2. 根据训练数据是否有标注，机器学习可划分为：

监督学习

无监督学习

1.监督学习

监督式学习需要使用有输入和预期输出标记的数据集。

监督学习的目的是通过学习许多有标签的样本，然后对新的数据做出预测。

监督学习又可分为“分类”和“回归”问题。

（1）分类问题

在分类问题中，机器学习的目标是对样本的类标签进行预测，判断样本属于哪一个分类，结果是离散的数值。

（2）回归问题 在回归问题中，其目标是预测一个连续的数值或者是范围。

数据集的划分

把数据分割成训练集(我们从中学习数据的属性)和测试集(我们测试这些性质)

训练集（Training set）：用来拟合模型，通过设置分类器的参数，训练分类模型。

测试集(Test set)：通过训练，得出最优模型后，使用测试集进行模型预测。用来衡量该最优模型的性能和分类能力。即可以把测试集视为从来不存在的数据集，当已经确定模型后，使用测试集进行模型性能评价。

Scikit-learn提供了train_test_split函数来帮助完成这一任务，train_test_split在model_selection模块下

聚类算法实现需要使用sklearn估计器（estimator）。

sklearn估计器拥有fit()和predict()两个方法，其说明如下表所示

K-means算法

（1）参数k的选取方法

k-means算法需要事先确定簇的数量，也即，参数k。过大或过小的k值均不能获得高质量的聚类结果。

（2）初始质心的选择问题

（3）K-means的方法实现

model = KMeans (n_clusters = 4)

KNN算法

K最近邻算法原理:给定一个训练数据集，对新的输入实例，在训练数据集中找到与该实例最邻近的k个实例，这k个实例的多数属于某个类，就把该输入实例分类到这个类中。

流程：

（1）计算已知类别数据集中的点与当前点之间的距离；

（2）按照距离递增次序排序；

（3）选取与当前点距离最小的k个点；

（4）确定前k个点所在类别的出现频率；

（5）返回前k个点所出现频率最高的类别作为当前点的预测分类。