1. 时间序列数据初识

在数据分析工作中，有一类数据几乎无处不在：股票每日收盘价、气象站每小时温度、工厂设备每分钟振动幅值、网站每秒访问量。它们的共同点是——每个观测值都绑定在一个时间点上，且观测顺序本身携带信息。这就是时间序列数据。与普通表格数据不同，时间序列的行顺序不能随意打乱，因为“昨天”和“今天”的先后关系决定了趋势、周期与滞后效应的存在。

从定义上说，时间序列是按时间先后排列的、同一指标（或一组指标）的观测序列。它通常包含两个基本成分：时间索引与观测值。理解时间序列，第一步不是急着画图，而是先搞清楚两件事：时间轴是规则的还是不规则的，以及用 Pandas 的哪种数据结构来承载这条时间轴。

规则与不规则：两种时间轴

规则时间序列指相邻观测之间的时间间隔固定，例如日频（每个交易日或每个自然日一条）、小时频、分钟频。规则序列的好处是可以直接做位移、差分、重采样等操作，因为“上一条”与“下一条”的时间距离是确定的。不规则时间序列则指观测发生在不等间隔的时间点上，例如交易撮合记录、设备告警事件、用户下单行为——它们只在事件发生时才产生一条记录，间隔可能是几秒，也可能是几天。

需要特别提醒一个容易混淆的点：股票日线数据在“自然日”维度上是不规则的（周末与节假日没有交易），但在“交易日”维度上是规则的。因此判断规则性时，要先明确时间轴的口径。这个区分会直接影响后续重采样与缺失值识别的策略。

Pandas 的四个核心时间对象

Pandas 为时间序列提供了分工明确的基础类型，理解它们的职责边界是后续所有操作的前提。

• Timestamp：表示单个时间点，精度可达纳秒，是标量。可以理解为“某一刻”。
• DatetimeIndex：由一组 Timestamp 构成的索引，是时间序列最常用的“时间轴”。它让 DataFrame 具备按时间切片、按频率重采样、按时间对齐的能力。
• Timedelta：表示两个时间点之间的时长（时间差），是标量；一组 Timedelta 构成 TimedeltaIndex。它回答的是“相隔多久”。
• Period：表示一个时间区间（如“2024年3月”“2024年第2季度”），而非一个瞬间。它适合表达会计期间、月度汇总等“区间型”时间概念。

可以用一句话区分：Timestamp 是点，Timedelta 是两点之间的距离，Period 是一段区间，DatetimeIndex 是排好序的点序列。实际建模中，绝大多数时间序列以 DatetimeIndex 作为行索引，观测值放在列中。

加载真实数据并快速查看

下面以一份模拟的股票日线数据为例，走一遍从加载到初判的完整流程。假设文件 stock_daily.csv 包含 date, open, close, volume 四列，日期为字符串格式。示例数据为教学构造，非真实行情。

import pandas as pd

df = pd.read_csv("stock_daily.csv")
print(df.head())
print(df.dtypes)
print(df.shape)

此时 date 列仍是 object（字符串）类型，Pandas 不会自动把它当作时间。必须显式转换并设为索引，时间序列的能力才会被激活：

df["date"] = pd.to_datetime(df["date"], format="%Y-%m-%d")
df = df.set_index("date").sort_index()

print(df.index)          # DatetimeIndex
print(df.index.freq)     # 若为 None，说明未声明频率
print(df.index.is_monotonic_increasing)  # 必须为 True

这里有两个关键检查点。其一，索引必须单调递增：若原始文件存在乱序或重复日期，切片与位移会得到错误结果，需用 sort_index() 排序，并用 df.index.duplicated().sum() 检查重复。其二，频率是否已声明：freq 为 None 并不代表数据不规则，只代表 Pandas 尚未确认。可用 pd.infer_freq(df.index) 推断，若返回 'B' 说明是工作日频率，返回 None 则提示间隔不一致，需要进一步核查。

接下来做初步的“体检”，快速判断数据质量与时间覆盖范围：

print(df.index.min(), df.index.max())   # 时间覆盖范围
print(df.index.to_series().diff().value_counts().head())  # 间隔分布
print(df.isna().sum())                  # 各列缺失情况
print(df.describe())                    # 数值分布概览

其中 diff().value_counts() 是判断规则性的实用手段：如果绝大多数间隔都是 1 天、少量为 3 天（周末），说明这是交易日规则序列；如果间隔值五花八门，则属于不规则序列，后续不应盲目使用固定频率的重采样。这一步的结论，直接决定后面缺失值识别时该用“按自然日补齐”还是“按事件间隔分析”。

最后补充一个易错点：Period 与 DatetimeIndex 之间可以互相转换，但语义不同。df.index.to_period("M") 会把每个日期归入所属月份，适合做月度汇总；而直接对 DatetimeIndex 重采样则保留更细的时间信息。选择哪种，取决于你要回答的问题是“这个月总量多少”还是“这个月内每天如何变化”。