时间序列基础:日期索引、重采样与滚动窗口

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。

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注