from datetime import datetime, timedelta

# 創(chuàng)建日期時(shí)間對(duì)象
dt = datetime(2024, 3, 15, 14, 30, 0)
print(dt)  # 2024-03-15 14:30:00

# 獲取當(dāng)前時(shí)間
now = datetime.now()
print(f"當(dāng)前時(shí)間：{now}")

# 日期運(yùn)算
tomorrow = dt + timedelta(days=1)
print(f"明天：{tomorrow}")

last_week = dt - timedelta(weeks=1)
print(f"上周：{last_week}")

# 提取各個(gè)部分
print(f"年：{dt.year}")
print(f"月：{dt.month}")
print(f"日：{dt.day}")
print(f"星期：{dt.weekday()}")  # 0=周一，6=周日
print(f"時(shí)分秒：{dt.hour}:{dt.minute}:{dt.second}")

import pandas as pd
import numpy as np

# Pandas 的時(shí)間戳
ts = pd.Timestamp('2024-03-15 14:30:00')
print(ts)

# 從字符串自動(dòng)解析
ts = pd.Timestamp('2024/3/15')
print(ts)

ts = pd.Timestamp('15 March 2024')
print(ts)

# 獲取時(shí)間屬性
print(f"年：{ts.year}")
print(f"月：{ts.month}")
print(f"日：{ts.day}")
print(f"星期幾：{ts.day_name()}")    # Friday
print(f"季度：{ts.quarter}")          # 1
print(f"年初至今天數(shù)：{ts.dayofyear}")  # 75
print(f"本月天數(shù)：{ts.days_in_month}")  # 31

# 這是處理時(shí)間序列數(shù)據(jù)的第一步：把字符串列轉(zhuǎn)為 datetime 類型
df = pd.DataFrame({
    '日期': ['2024-01-01', '2024-02-15', '2024-03-20', '2024-04-10'],
    '銷售額': [1000, 1500, 1200, 1800]
})

print("轉(zhuǎn)換前：")
print(df.dtypes)
# 日期    object（字符串）

# 轉(zhuǎn)換為 datetime
df['日期'] = pd.to_datetime(df['日期'])

print("\n轉(zhuǎn)換后：")
print(df.dtypes)
# 日期    datetime64[ns]

# ===== 處理不同格式的日期 =====
df2 = pd.DataFrame({
    '日期': ['01/15/2024', '02/20/2024', '03/25/2024']
})
df2['日期'] = pd.to_datetime(df2['日期'], format='%m/%d/%Y')
print(df2)

# ===== 處理包含錯(cuò)誤的日期 =====
df3 = pd.DataFrame({
    '日期': ['2024-01-01', 'invalid', '2024-03-01']
})
# errors='coerce' 將無(wú)法解析的值轉(zhuǎn)為 NaT（Not a Time）
df3['日期'] = pd.to_datetime(df3['日期'], errors='coerce')
print(df3)

# ===== 基本用法 =====

# 生成從 2024-01-01 開(kāi)始的 10 天日期序列
dates = pd.date_range(start='2024-01-01', periods=10)
print("10天序列：")
print(dates)

# 生成到 2024-01-31 結(jié)束的所有日期
dates = pd.date_range(end='2024-01-31', periods=5)
print("\n5天序列：")
print(dates)

# 指定起止日期
dates = pd.date_range('2024-01-01', '2024-01-10')
print("\n指定起止：")
print(dates)

# ===== 不同頻率 =====

# freq 參數(shù)控制頻率
print("每日：", pd.date_range('2024-01-01', periods=5, freq='D'))
print("每周：", pd.date_range('2024-01-01', periods=5, freq='W'))
print("每月：", pd.date_range('2024-01-01', periods=5, freq='M'))
print("每季：", pd.date_range('2024-01-01', periods=5, freq='Q'))
print("每年：", pd.date_range('2024-01-01', periods=5, freq='Y'))
print("每小時(shí)：", pd.date_range('2024-01-01', periods=5, freq='H'))

# ===== 常用頻率代碼 =====
# D  —— 日歷日
# B  —— 工作日（排除周末）
# W  —— 每周
# M  —— 月末
# MS —— 月初
# Q  —— 季末
# QS —— 季初
# Y  —— 年末
# YS —— 年初
# H  —— 每小時(shí)
# T/min —— 每分鐘
# S  —— 每秒

# ===== 工作日序列 =====
# 只生成工作日（排除周六日）
workdays = pd.date_range('2024-01-01', periods=10, freq='B')
print("\n工作日序列：")
print(workdays)

# 自定義（如每周三）
wednesdays = pd.date_range('2024-01-01', periods=10, freq='W-WED')
print("\n每周三：")
print(wednesdays)

# 最常用的做法：用 date_range 創(chuàng)建時(shí)間序列 DataFrame
np.random.seed(42)
dates = pd.date_range('2024-01-01', periods=30, freq='D')
df = pd.DataFrame({
    '銷售額': np.random.randint(1000, 5000, 30),
    '訪客數(shù)': np.random.randint(100, 500, 30),
    '轉(zhuǎn)化率': np.random.uniform(0.02, 0.08, 30)
}, index=dates)

df.index.name = '日期'
print(df.head())

df = pd.DataFrame({
    '日期': pd.date_range('2024-01-01', periods=10, freq='D'),
    '銷售額': np.random.randint(1000, 5000, 10)
})

# ===== 提取時(shí)間屬性 =====
df['年'] = df['日期'].dt.year
df['月'] = df['日期'].dt.month
df['日'] = df['日期'].dt.day
df['季度'] = df['日期'].dt.quarter
df['星期'] = df['日期'].dt.day_name()
df['周幾'] = df['日期'].dt.dayofweek  # 0=周一
df['一年中第幾天'] = df['日期'].dt.dayofyear
df['第幾周'] = df['日期'].dt.isocalendar().week
df['是否月初'] = df['日期'].dt.is_month_start
df['是否月末'] = df['日期'].dt.is_month_end

print(df)

# 創(chuàng)建日粒度數(shù)據(jù)
np.random.seed(42)
dates = pd.date_range('2024-01-01', periods=90, freq='D')
df = pd.DataFrame({
    '日期': dates,
    '銷售額': np.random.randint(1000, 5000, 90),
    '訪客數(shù)': np.random.randint(100, 500, 90)
}).set_index('日期')

# ===== 降采樣（高頻 → 低頻）=====

# 按月匯總（求和）
monthly = df.resample('M')['銷售額'].sum()
print("月度銷售額：")
print(monthly)

# 按周求均值
weekly = df.resample('W')['銷售額'].mean()
print("\n周均銷售額：")
print(weekly)

# 按季度
quarterly = df.resample('Q').agg({
    '銷售額': 'sum',
    '訪客數(shù)': 'mean'
})
print("\n季度匯總：")
print(quarterly)

# ===== 升采樣（低頻 → 高頻）=====

# 創(chuàng)建月度數(shù)據(jù)
monthly_df = pd.DataFrame({
    '月度目標(biāo)': [50000, 60000, 55000]
}, index=pd.date_range('2024-01-01', periods=3, freq='MS'))

# 升采樣到日粒度（用 NaN 填充）
daily = monthly_df.resample('D').asfreq()
print("\n升采樣到日粒度（前5行）：")
print(daily.head())

# 用前向填充
daily_ffill = monthly_df.resample('D').ffill()
print("\n升采樣 + 前向填充（前5行）：")
print(daily_ffill.head())

# 按周重采樣，同時(shí)做多種聚合
result = df.resample('W').agg({
    '銷售額': ['sum', 'mean', 'max'],
    '訪客數(shù)': ['sum', 'mean']
})
result.columns = ['周銷售額', '周均銷售額', '最高日銷售', '周訪客', '日均訪客']
print(result.head())

# 繼續(xù)使用上面的 df

# ===== 基本滑動(dòng)窗口 =====

# 7天移動(dòng)平均
df['7日移動(dòng)平均'] = df['銷售額'].rolling(window=7).mean()

# 30天移動(dòng)平均
df['30日移動(dòng)平均'] = df['銷售額'].rolling(window=30).mean()

print("含移動(dòng)平均：")
print(df.head(15))

# ===== 其他窗口計(jì)算 =====

# 滑動(dòng)窗口求和（7天累計(jì)）
df['7天累計(jì)銷售'] = df['銷售額'].rolling(window=7).sum()

# 滑動(dòng)窗口標(biāo)準(zhǔn)差（波動(dòng)率）
df['7日波動(dòng)率'] = df['銷售額'].rolling(window=7).std()

# 滑動(dòng)窗口最大值/最小值
df['7日最高'] = df['銷售額'].rolling(window=7).max()
df['7日最低'] = df['銷售額'].rolling(window=7).min()

# 滑動(dòng)窗口內(nèi)的排名
df['7日排名'] = df['銷售額'].rolling(window=7).apply(
    lambda x: pd.Series(x).rank().iloc[-1]
)

print(df.tail(10))

# expanding 是"越來(lái)越大"的窗口（從開(kāi)始到當(dāng)前位置）
# 等價(jià)于 cumsum、cummean 等累計(jì)函數(shù)

df['累計(jì)銷售額'] = df['銷售額'].expanding().sum()
df['累計(jì)均值'] = df['銷售額'].expanding().mean()
df['累計(jì)最大值'] = df['銷售額'].expanding().max()

print(df.head(10))

# 指數(shù)加權(quán)移動(dòng)平均（最近的數(shù)據(jù)權(quán)重更大）
df['EMA_7'] = df['銷售額'].ewm(span=7).mean()
df['EMA_30'] = df['銷售額'].ewm(span=30).mean()

print("含 EMA：")
print(df[['銷售額', 'EMA_7', 'EMA_30']].head(15))

# ===== 設(shè)置時(shí)區(qū) =====
dates = pd.date_range('2024-01-01', periods=5, freq='D')
print("無(wú)時(shí)區(qū)：")
print(dates)

# 設(shè)置為 UTC
dates_utc = pd.date_range('2024-01-01', periods=5, freq='D', tz='UTC')
print("\nUTC時(shí)區(qū)：")
print(dates_utc)

# ===== 時(shí)區(qū)轉(zhuǎn)換 =====
dates_utc = pd.date_range('2024-01-01', periods=5, freq='H', tz='UTC')
dates_shanghai = dates_utc.tz_convert('Asia/Shanghai')
print("\n轉(zhuǎn)為上海時(shí)間：")
print(dates_shanghai)

# ===== 本地化（無(wú)時(shí)區(qū) → 有時(shí)區(qū)）=====
dates_naive = pd.date_range('2024-01-01', periods=5, freq='H')
dates_local = dates_naive.tz_localize('Asia/Shanghai')
print("\n本地化：")
print(dates_local)

# ===== 日期偏移計(jì)算 =====
from pandas.tseries.offsets import Day, Week, MonthEnd, BusinessDay

date = pd.Timestamp('2024-03-15')

# 加 5 天
print(date + Day(5))  # 2024-03-20

# 加 2 周
print(date + Week(2))  # 2024-03-29

# 月末
print(date + MonthEnd(0))  # 2024-03-31（已經(jīng)在3月，所以回到3月末）
print(date + MonthEnd(1))  # 2024-04-30

# 加 3 個(gè)工作日
print(date + BusinessDay(3))  # 2024-03-20（排除周末）

# ===== 在 DataFrame 中使用 =====
df = pd.DataFrame({
    '下單日期': pd.date_range('2024-01-01', periods=5)
})
df['預(yù)計(jì)發(fā)貨'] = df['下單日期'] + BusinessDay(2)  # 2個(gè)工作日后
df['預(yù)計(jì)送達(dá)'] = df['下單日期'] + BusinessDay(5)  # 5個(gè)工作日后
print(df)

# 參考答案
import pandas as pd
import numpy as np

# 模擬 60 天的股價(jià)數(shù)據(jù)
np.random.seed(42)
dates = pd.date_range('2024-01-01', periods=60, freq='B')  # 工作日
df = pd.DataFrame({
    '日期': dates,
    '收盤價(jià)': 100 + np.cumsum(np.random.randn(60) * 2)  # 隨機(jī)游走
}).set_index('日期')

# 1. 計(jì)算 5日、10日、20日移動(dòng)平均線
df['MA5'] = df['收盤價(jià)'].rolling(5).mean()
df['MA10'] = df['收盤價(jià)'].rolling(10).mean()
df['MA20'] = df['收盤價(jià)'].rolling(20).mean()

# 2. 計(jì)算日收益率
df['日收益率'] = df['收盤價(jià)'].pct_change() * 100

# 3. 計(jì)算 20日波動(dòng)率（收益率的標(biāo)準(zhǔn)差）
df['20日波動(dòng)率'] = df['日收益率'].rolling(20).std()

# 4. 計(jì)算月度統(tǒng)計(jì)
monthly = df.resample('M')['收盤價(jià)'].agg(['first', 'last', 'max', 'min'])
monthly['月漲跌'] = (monthly['last'] - monthly['first']) / monthly['first'] * 100
print("月度統(tǒng)計(jì)：")
print(monthly.round(2))

print("\n技術(shù)指標(biāo)（后10行）：")
print(df.tail(10))

# 參考答案
import pandas as pd
import numpy as np

# 模擬 7 天的小時(shí)級(jí)流量
np.random.seed(42)
hours = pd.date_range('2024-03-01', periods=7*24, freq='H')
df = pd.DataFrame({
    '時(shí)間': hours,
    '訪客數(shù)': np.random.poisson(lam=100, size=len(hours))
}).set_index('時(shí)間')

# 模擬高峰期（9-18點(diǎn)）
df.loc[df.index.hour.between(9, 18), '訪客數(shù)'] *= 2

# 1. 每日總訪客
daily = df.resample('D')['訪客數(shù)'].sum()
print("每日訪客：")
print(daily)

# 2. 每小時(shí)平均訪客（找出高峰時(shí)段）
df['小時(shí)'] = df.index.hour
hourly_avg = df.groupby('小時(shí)')['訪客數(shù)'].mean()
print("\n每小時(shí)平均訪客：")
print(hourly_avg.round(1))

# 3. 24小時(shí)移動(dòng)平均
df['MA24'] = df['訪客數(shù)'].rolling(24).mean()

# 4. 工作日與周末對(duì)比
df['類型'] = np.where(df.index.dayofweek < 5, '工作日', '周末')
weekday_avg = df.groupby('類型')['訪客數(shù)'].mean()
print("\n工作日vs周末平均：")
print(weekday_avg.round(1))