订单、流量、传感器数据都带时间。掌握日期索引、重采样、滚动统计,你就能做趋势、环比和简单异常发现。
变成时间索引
import pandas as pd
df["order_date"] = pd.to_datetime(df["order_date"])
ts = df.set_index("order_date").sort_index()
print(ts.loc["2026-01":"2026-03"]) # 按月份切片
重采样:日 → 周/月
daily = ts["amount"].resample("D").sum()
weekly = ts["amount"].resample("W").sum()
monthly = ts["amount"].resample("ME").sum()
滚动窗口:平滑噪声
# 7 日滑动均值
smooth = daily.rolling(window=7, min_periods=1).mean()
# 同时看均值和标准差,便于发现异常波动
roll = daily.rolling(7).agg(["mean", "std"])
环比 / 同比
mom = monthly.pct_change() # 月环比
yoy = monthly.pct_change(periods=12) # 月同比(需足够长历史)
小案例:找出销量异常日
mu = daily.rolling(14).mean()
sigma = daily.rolling(14).std()
anomaly = daily[(daily - mu).abs() > 2 * sigma]
print(anomaly)
注意时区与缺失日期
# 补齐没有下单的日期,金额填 0
full = daily.asfreq("D").fillna(0)
分析趋势前先问:时间是否单调、有没有缺口、时区是否统一。这三件事比算法更影响结论。