时间序列基础

pandas中的基础时间序列种类是由时间戳索引的Series，在pandas外部则通常表示为Python字符串或datetime对象：

在这种情况下，这些datetime对象可以被放入DatetimeIndex中：

和其他Series类似，不同索引的时间序列之间的算术运算在日期上自动对齐：

ts[::2]会将ts中每隔一个的元素选择出。

pandas使用NumPy的datetime64数据类型在纳秒级的分辨率下存储时间戳：

DatetimeIndex中的标量值是pandas的Timestamp对象：

所有使用datetime对象的地方都可以用Timestamp。此外，Timestamp还可以存储频率信息（如果有的话）并了解如何进行时区转换和其他类型操作。

当基于标签进行索引和选择时，时间序列的行为和其他的pandas.Series类似：

对一个长的时间序列，可以传递一个年份或一个年份和月份来轻松地选择数据的切片：

这里，字符串’2001’被解释为一个年份，并选择了相应的时间区间。如果指定了月份也是有效的：

使用datetime对象进行切片也是可以的：

有一个等价实例方法，truncate，它可以在两个日期间对Series进行切片：

上面这些操作也都适用于DataFrame，并在其行上进行索引：

在某些应用中，可能会有多个数据观察值落在特定的时间戳上。

通过检查索引的is_unique属性，我们可以看出索引并不是唯一的：

假设想要聚合含有非唯一时间戳的数据。一种方式就是使用groupby并传递level=0：

日期和时间数据的类型及工具日期范围、频率和移位