주식, 환율 등의 금융 데이터를 다루기 위해 개발된 판다스는 시계열(time series) 데이터를 여러 가지 유용한 기능을 제공한다. 특히 시계열 데이터를 데이터프렝미의 행 인덱스로 사용하면, 시간으로 기록된 데이터를 분석하는 것이 매우 편리하다.

판다스의 시간 표시 방식 중에서 시계열 데이터 표현에 자주 이용되는 두 가지 유형이 있다.

다른 자료형을 시계열 객체로 변환

많은 시간 데이터들은 별도의 시간 자료형으로 기록 되지 않고, 문자열이나 시간으로 저장되는 경우가 많다. 이를 변환해보자.

to_datetime() : 문자열을 Timestamp로 변환

아래와 같이 날짜가 문자열로 되어있는 파일의 날짜를 Timestamp객체로 변환시켜보자.

         Date  Close  Start   High    Low  Volume     
0  2018-07-02  10100  10850  10900  10000  137977     
1  2018-06-29  10700  10550  10900   9990  170253     
2  2018-06-28  10400  10900  10950  10150  155769     
3  2018-06-27  10900  10800  11050  10500  133548     
4  2018-06-26  10800  10900  11000  10700   63039

to_datetime() 함수는 문자열(objec) 데이터를 datetime64 자료형으로 변환한다.

import pandas as pd

df = pd.read_csv('stock-data.csv')

df['new date'] = pd.to_datetime(df['Date'])
print(df.info())

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 20 entries, 0 to 19
Data columns (total 7 columns):
 #   Column    Non-Null Count  Dtype
---  ------    --------------  -----
 0   Date      20 non-null     object
 1   Close     20 non-null     int64
 2   Start     20 non-null     int64
 3   High      20 non-null     int64
 4   Low       20 non-null     int64
 5   Volume    20 non-null     int64
 6   new date  20 non-null     datetime64[ns]
dtypes: datetime64[ns](1), int64(5), object(1)        
memory usage: 1.2+ KB
None

'Date'행을 제거하고 'new date'열을 행 인덱스로 설정해보자. 시계열 데이터를 인덱스로 지정하면 판다스는 DatetimeIndex로 지정한다.

import pandas as pd

df = pd.read_csv('stock-data.csv')

df['new_date'] = pd.to_datetime(df['Date'])

df.drop('Date', axis=1, inplace=True)
df.set_index('new_date', inplace=True)

print(df.head())
print(df.info())


            Close  Start   High    Low  Volume
new_date
2018-07-02  10100  10850  10900  10000  137977        
2018-06-29  10700  10550  10900   9990  170253        
2018-06-28  10400  10900  10950  10150  155769        
2018-06-27  10900  10800  11050  10500  133548        
2018-06-26  10800  10900  11000  10700   63039        
<class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 20 entries, 2018-07-02 to 2018-06-01   
Data columns (total 5 columns):
 #   Column  Non-Null Count  Dtype
---  ------  --------------  -----
 0   Close   20 non-null     int64
 1   Start   20 non-null     int64
 2   High    20 non-null     int64
 3   Low     20 non-null     int64
 4   Volume  20 non-null     int64
dtypes: int64(5)
memory usage: 960.0 bytes
None

to_period() : Timestamp를 Period로 변환

to_period() 함수를 이용하면 Timestamp객체를 Period로 변환할 수 있다. freq옵션에서 기준이 되는 기간을 설정한다.

import pandas as pd

dates = ['2019-01-01', '2020-03-01', '2021-06-01']

ts_dates = pd.to_datetime(dates)
print(ts_dates)
print()

# Timestamp -> Period
pr_day = ts_dates.to_period(freq='D')
print(pr_day)
print()

pr_month = ts_dates.to_period(freq='M')
print(pr_month)
print()

pr_year = ts_dates.to_period(freq='Y')
print(pr_year)