Pandas 实战九：时序数据处理，日期筛选/统计分析一看就会

Pandas时序数据处理：从格式转换到趋势分析的核心操作

承接《Pandas实战八：电商数据案例分析》，本篇深入数据处理的关键领域：时间序列。掌握日期格式标准化、周期筛选、聚合统计与趋势分析这四项核心技能，你将能高效解决业务中绝大多数与时间维度相关的分析需求。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

时序数据指任何带有时间戳标识的数据记录，例如每日销售额、用户登录日志、气象观测数据或员工考勤记录。这类数据在业务分析中无处不在，无论是管理层需要“统计Q3各周销售表现”，还是业务方提出“提取特定促销周期的用户行为数据”，Pandas的处理效率远超Excel，其清晰的语法逻辑让初学者也能快速产出可靠结果。

一、时序数据处理基础：让Pandas正确识别时间

处理时序数据的首要步骤，是确保Pandas能够正确解析日期字段。原始数据中的日期列通常以字符串格式存储（如“2024-07-01”），这种格式无法直接用于时间序列计算。因此，我们的第一个关键操作就是执行「日期格式转换」。

1. 数据准备与日期格式转换

我们以一份模拟的“店铺7月销售数据”为例，以下代码可直接运行：

import pandas as pd
import matplotlib.pyplot as plt  # 后续可视化用

# 模拟数据：日期（字符串格式）、销售额、客流量
data = {
    "date": ["2024-07-01", "2024-07-02", "2024-2024-07-03", "2024-07-04",
             "2024-07-05", "2024-07-06", "2024-07-07", "2024-07-08",
             "2024-07-09", "2024-07-10", "2024-07-11", "2024-07-12",
             "2024-07-13", "2024-07-14", "2024-07-15"],  # 15天数据
    "sales": [5200, 4800, 6100, 5500, 7200, 8300, 6900, 5800,
              6500, 7100, 6300, 5900, 7800, 8200, 7500],
    "customers": [120, 110, 135, 125, 150, 170, 145, 130,
                  140, 155, 138, 128, 165, 172, 158]
}
df = pd.DataFrame(data)
print("转换前日期类型：", df["date"].dtype)  # 输出：object（字符串类型）

# 核心操作：将字符串日期转换为Pandas的datetime类型
df["date"] = pd.to_datetime(df["date"])
print("转换后日期类型：", df["date"].dtype)  # 输出：datetime64[ns]（日期类型）

2. 高效操作技巧：将日期列设置为索引

一个提升后续操作效率的最佳实践是将日期列设置为DataFrame的索引。设置索引后，基于时间的切片、筛选和重采样操作会变得异常简洁，强烈建议在时序分析中优先采用。

df_indexed = df.set_index("date")  # 把date列设为索引
print("设为索引后的数据：")
print(df_indexed.head())  # 显示前5行

运行代码后，日期列将移至最左侧的索引位置，数据结构一目了然，为后续的时间序列分析奠定基础。

二、核心技能一：基于时间的灵活数据筛选

按时间维度筛选数据是时序分析中最频繁的需求。无论是提取特定日期范围的数据，还是按星期、月份进行条件过滤，以下三种场景覆盖了绝大部分实际应用。

场景一：按具体日期或时间段筛选

# 1. 筛选单个日期（例如2024-07-08）
df_0708 = df[df["date"] == "2024-07-08"]
print("7月8日数据：")
print(df_0708)

# 2. 筛选一个时间段（例如7月5日至7月10日）
df_period = df[(df["date"] >= "2024-07-05") & (df["date"] <= "2024-07-10")]
print("\n7月5日-10日数据：")
print(df_period)

# 3. 使用日期索引进行筛选（语法更简洁）
df_indexed_period = df_indexed["2024-07-05":"2024-07-10"]  # 切片语法，左闭右闭
print("\n索引筛选时间段：")
print(df_indexed_period)

场景二：按年、月、日层级筛选

例如，需要筛选出所有7月份的数据，而不考虑具体年份。

# 筛选所有月份为7月的数据（dt.month属性）
df_july = df[df["date"].dt.month == 7]
# 筛选所有周一的数据（dt.weekday：0代表周一，6代表周日）
df_monday = df[df["date"].dt.weekday == 0]
print("7月份数据总行数：", len(df_july))
print("周一的数据：")
print(df_monday)

场景三：按季度或星期类型筛选

# 筛选第三季度（7-9月）的数据
df_q3 = df[df["date"].dt.quarter == 3]
# 筛选所有工作日（周一至周五）的数据
df_workday = df[df["date"].dt.weekday < 5]
print("第三季度数据：")
print(df_q3.head())

三、核心技能二：时序数据的周期聚合统计

业务分析中经常需要按固定周期汇总数据，例如计算每周销售总额或月度平均客流量。Pandas的 resample() 方法是处理这类需求的利器。掌握以下常用周期频率代码即可：

• 日：D (Day)
• 周：W (Week)
• 月：M (Month)
• 季度：Q (Quarter)

示例：按周和月进行销售数据统计

# 首先确保日期列是索引（resample方法要求）
df_indexed = df.set_index("date")

# 1. 按周聚合：计算每周销售额与客流量的总和
weekly_stats = df_indexed.resample("W").sum()
print("每周统计数据：")
print(weekly_stats)

# 2. 按周聚合：计算每周销售额与客流量的平均值
weekly_mean = df_indexed.resample("W").mean()
print("\n每周平均数据：")
print(weekly_mean)

# 3. 按月聚合：计算7月份的总销售额与总客流量
monthly_stats = df_indexed.resample("M").sum()
print("\n7月份总数据：")
print(monthly_stats)

运行后，数据将按指定周期自动分组。输出结果中的“2024-07-07”代表从当周开始到该周日（默认一周结束点）的聚合数据，无需手动拆分，极大提升了分析效率。

四、实战演练：7月销售趋势深度分析

整合以上技能，我们通过一个完整的案例进行巩固——分析7月销售趋势，并生成可视化图表。

分析目标：

1. 计算销售额的5日滚动平均值，平滑日常波动以揭示潜在趋势。
2. 统计每周销售额占当月总销售额的百分比。
3. 绘制“每日销售额”与“5日滚动平均”的对比趋势图。

# 1. 计算5日滚动平均值（窗口大小为5，计算包含当天及前后临近几天的均值）
df_indexed["sales_roll_5d"] = df_indexed["sales"].rolling(window=5).mean()
print("带滚动平均值的数据：")
print(df_indexed[["sales", "sales_roll_5d"]].head(10))

# 2. 统计每周销售额占比
weekly_sales = df_indexed.resample("W")["sales"].sum()
weekly_ratio = (weekly_sales / weekly_sales.sum() * 100).round(2)  # 占比保留两位小数
print("\n每周销售额占比（%）：")
print(weekly_ratio)

# 3. 绘制趋势对比图
plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置中文字体
plt.figure(figsize=(10, 5))
plt.plot(df_indexed.index, df_indexed["sales"], label="每日销售额", marker="o")
plt.plot(df_indexed.index, df_indexed["sales_roll_5d"], label="5日滚动平均", color="red", linewidth=2)
plt.xlabel("日期")
plt.ylabel("销售额（元）")
plt.title("2024年7月店铺销售额趋势分析")
plt.legend()
plt.grid(alpha=0.3)  # 添加半透明网格线，增强可读性
plt.show()

执行代码将生成清晰的折线图。图中蓝色折线展示每日销售额的具体波动，红色趋势线则通过滚动平均过滤随机噪声，清晰呈现销售额的整体走向，这是进行有效趋势分析的核心。

五、新手常见问题与解决方案

最后，汇总几个初学者常遇到的陷阱及其解决方案，助你规避常见错误。

1. 处理不一致的日期格式

原始数据中可能混用“2024-07-01”和“2024/07/01”等多种格式。使用 pd.to_datetime() 时，添加 errors="coerce" 参数可将无法解析的条目转为NaT（缺失时间），避免整个转换过程因格式错误而中断。

df["date"] = pd.to_datetime(df["date"], errors="coerce")

2. 理解时间区间的开闭原则

需注意不同操作对时间区间包含性的定义差异。使用索引切片如 df_indexed["2024-07-01":"2024-07-05"] 是“左闭右闭”区间，包含7月5日。而 resample("W") 默认以周日作为周期终点。在进行关键业务分析时，务必确认周期边界是否符合业务逻辑。

3. 补全缺失的日期数据

若时间序列存在日期缺失（例如7月6日无记录），为了进行连续的时序分析，可先补全完整的日期序列，再用0或插值法填充缺失值。

df_complete = df_indexed.resample("D").asfreq().fillna(0)

六、核心要点总结

至此，我们系统性地掌握了Pandas处理时序数据的完整流程：从基础的日期格式转换与索引设置，到灵活的时间段筛选与周期条件过滤，再到利用重采样进行高效的聚合统计，最后通过滚动计算与可视化完成初步的趋势洞察。这套方法能应对绝大多数日常业务中的时序数据分析场景。

时序分析是数据挖掘与业务洞察的基石，无论是库存预测、用户活跃度分析，还是构建更复杂的时间序列预测模型，都离不开这些基础而强大的操作。熟练掌握它们，你的数据分析能力将迈上一个新的台阶。