4、时间序列基础：时间序列概念、时间戳处理、频率转换、滑动窗口

时间序列，说白了就是带时间戳的数据。你想想看，股票价格、传感器读数、服务器日志……这些东西都有一个共同点：它们按时间顺序排列。我刚开始做数据回放时，总觉得时间序列不就是多了一列时间嘛，有什么难的？后来被坑了几次才明白——时间序列处理，是整个数据回放系统的地基。

4.1 时间序列概念

时间序列，就是按时间顺序排列的观测值集合。每个观测值都对应一个时间点。我习惯把时间序列拆成三个要素：

• 时间戳：记录数据产生的时间点
• 观测值：在某个时间点记录的数据
• 频率：数据点之间的时间间隔

举个例子。假设你在监控服务器的CPU使用率，每5秒采集一次。那么你得到的就是一个时间序列：

时间戳                CPU使用率(%)
2024-01-15 10:00:00    45.2
2024-01-15 10:00:05    47.8
2024-01-15 10:00:10    52.1
2024-01-15 10:00:15    49.6

嗯，这里要注意：时间序列不要求数据严格等间隔。但在实际项目中，等间隔的数据处理起来会顺手很多。我曾经处理过一个传感器数据集，采样间隔从1秒到30秒不等，那叫一个头疼。

4.2 时间戳处理

时间戳处理，是时间序列分析的第一步。也是我见过最多人翻车的地方。

常见的坑有哪些？

• 时区问题：服务器用UTC，数据库存本地时间，前端展示又转一次。我曾经因为时区没处理好，导致回放的数据差了8个小时，排查了一整天。
• 格式混乱：有的系统用"2024-01-15 10:00:00"，有的用"2024/01/15 10:00:00"，还有用时间戳的。统一格式是第一步。
• 精度问题：秒级够用还是需要毫秒级？这取决于你的业务场景。高频交易数据可能需要微秒级，而日级别的业务数据用秒级就够了。

Python里处理时间戳，我常用pandas的to_datetime()函数：

import pandas as pd

# 字符串转时间戳
df['timestamp'] = pd.to_datetime(df['timestamp_str'])

# 设置时间索引
df.set_index('timestamp', inplace=True)

# 处理不同格式
df['timestamp'] = pd.to_datetime(df['timestamp_str'], format='%Y/%m/%d %H:%M:%S')

4.3 频率转换

频率转换，说白了就是把数据从一个时间间隔转换到另一个时间间隔。比如把秒级数据聚合成分钟级数据。

为什么要做频率转换？

• 降低数据量：高频数据存储成本高，回放时也慢
• 匹配业务需求：业务分析可能只需要分钟级或小时级数据
• 对齐不同数据源：两个数据源采样频率不同，需要统一

频率转换有两种方式：

转换方式	说明	适用场景
降采样	从高频到低频	数据聚合、压缩
升采样	从低频到高频	数据插值、填充

降采样时，你需要指定聚合函数。比如把秒级数据聚合成分钟级，可以用均值、最大值、最小值等。我习惯用resample()方法：

# 降采样：秒级 -> 分钟级，取均值
df_minute = df.resample('1T').mean()

# 降采样：秒级 -> 小时级，取最大值
df_hour = df.resample('1H').max()

升采样时，你需要处理缺失值。常用的方法有前向填充、后向填充、线性插值等。我曾经在处理传感器数据时，因为升采样用了错误的填充方式，导致回放的数据出现了明显的阶梯状跳变。嗯，后来改用线性插值才解决问题。

# 升采样：分钟级 -> 秒级，前向填充
df_second = df_minute.resample('1S').ffill()

# 线性插值
df_second = df_minute.resample('1S').interpolate()

4.4 滑动窗口

滑动窗口，是时间序列分析里最常用的技术之一。它就像一个固定大小的窗口，在时间轴上滑动，每次计算窗口内的统计量。

滑动窗口能做什么？

• 平滑数据：去除噪声，看到趋势
• 计算移动平均：比如5日移动平均线
• 检测异常：窗口内的数据如果偏离均值太多，可能就是异常
• 特征工程：为机器学习模型生成特征

我画了一张图，帮你理解滑动窗口的原理：

你看，窗口在时间轴上滑动，每次覆盖固定数量的数据点。窗口1覆盖t1到t3，窗口2覆盖t2到t4，窗口3覆盖t3到t5。每个窗口内可以计算均值、标准差、最大值等统计量。

代码实现也很简单：

# 滑动窗口均值，窗口大小为3
df['rolling_mean'] = df['value'].rolling(window=3).mean()

# 滑动窗口标准差
df['rolling_std'] = df['value'].rolling(window=3).std()

# 滑动窗口最大值
df['rolling_max'] = df['value'].rolling(window=3).max()

滑动窗口还有一个变种——指数加权滑动窗口。它给近期的数据更高的权重，对远期的数据权重逐渐衰减。这在金融数据分析中很常用：

# 指数加权滑动平均
df['ewm_mean'] = df['value'].ewm(span=3).mean()

为什么会用指数加权？因为在实际业务中，近期的数据往往比远期的数据更有参考价值。比如股票分析，今天的价格比一周前的价格更能反映当前趋势。

好了，时间序列基础就讲到这里。记住：时间戳处理要严谨，频率转换要明确业务需求，滑动窗口要选对窗口大小。这些基本功扎实了，后面的数据回放才能玩得转。