时间序列

将时间按照不同的频率进行分组，形成新的序列

重采样

df.resample(‘时间刻度’, on=’date_column’)

时间刻度包括’AS/Q/M/W/D/T’即“年、季度、月、星期、天、分钟”

可与对时间刻度前乘以常数，以更改时间刻度大小。如3T。

on=’date_column’为可选参数，若不设置，则默认为索引列。

时间数列数据汇总

当使用时间序列进行分组统计时，可以使用ohlc()函数统计各个时间序列内的开始值，结束值，最大值，最小值。

df.resample(‘Q’).ohlc()

移动窗口数据计算

时点的波动较大，某一点的数据就不能很好的表现它本身的特性，于是就有了“移动窗口”的概念。

简单的说，为了提升数据的可靠性，将某个点的取值扩大到包含这个点的一段区间，用区间值来判断。

df.rolling(window, min_periods=None, center=Flase, win_type=None, on=None, axis=0, closed=None)

'''
window：时间窗口的大小 
min_periods=None：每个窗口最少包含的观测值
center=Flase：把窗口标签设置为居中
win_type=None：窗口类型
on=None：可选参数，使用某列代替索引
axis=0：默认列操作
closed=None：定义区间的开闭
'''

df.rolling(3, on='date_column').mean()