一、造一份日流水

pd.date_range('2026-01-01', periods=60, freq='D') 造 60 天日期。 配随机销量和单价，相乘得金额。60 天金额合计 341861。 随机数必须固定种子。不固定的话别人复现不了，报出来的数就是孤证。

种子写 20261102，跑几次都一样。这是可复现分析的最低要求。

二、resample：把日换成周

sale['金额'].resample('W').sum() 按周汇总，得到 9 个点。 第一周（到 2026-01-04）合计 28099，最后一周合计 39992。 'W' 的标签是每周末（周日），不是周一。这一点常把人绕晕。

所以第一周只有 4 天（1 月 1 日到 4 日），不是完整的一周。 要按周一起算，用 freq='W-MON' 之类的写法，标签落在周一。

三、rolling：开个窗口算均值

sale['金额'].rolling(7).mean() 给 7 天滑动平均。 前 6 个是 NaN（窗口没满），第 7 个开始有值：6372.86。 最后一天是 5713.14，说明末尾这几天比 7 天均值低。

第一个非空位置是「窗口长度减 1」。想让它一开始就有值，加 min_periods=1。 窗口越大越平滑，也越迟钝。7 天能看出周节奏，30 天只能看出趋势。

四、ohlc：一次给四个数

open 是窗口第一天的值，close 是最后一天，high 和 low 是窗口内最高最低。 这四个数就是 K 线要的四个数，一行代码凑齐。 ohlc 要求索引已经是时间类型。字符串索引上去直接报错。

五、两个综合案例

案例一：按周看趋势，找出最高的那一周。 w.idxmax() 给 2026-02-22 那一周，合计 44637——比平均周高不少。 案例二：按月比总额和日均，用 resample('ME').agg(['sum', 'mean'])。

三月只有一天，总额 2668 不能和一月二月比。这是时间序列最常见的误读。 比较之前先数一下每期有几天。不完整的期间要么砍掉，要么按日均比。 这一篇的四个动作——resample、rolling、ohlc、agg——就是时间序列的全部基础。

六、动手 Demo：时间序列与两个综合案例

造 60 天流水，做周五汇总、7 日滑动平均、周 ohlc，最后按月比总额和日均。 注意三月只有一天，这个陷阱会现场演示。

import numpy as np
import pandas as pd

RNG = pd.date_range("2026-01-01", periods=60, freq="D")
RND = np.random.default_rng(20261102)
S = pd.DataFrame({"销量": RND.integers(80, 200, 60),
                  "单价": RND.integers(20, 60, 60)}, index=RNG)
S["金额"] = S["销量"] * S["单价"]
print("合计 %d" % S["金额"].sum())

W = S["金额"].resample("W").sum()
print("周 %d 个点，最高 %s 合计 %d" % (len(W), W.idxmax().date(), W.max()))

R = S["金额"].rolling(7).mean()
print("第 7 天 %.2f，最后一天 %.2f" % (R.iloc[6], R.iloc[-1]))

O = S["金额"].resample("W").ohlc()
print(O.head(2).round(1).to_string())

MO = S["金额"].resample("ME").agg(["sum", "mean"])
print(MO.round(1).to_string())
print("三月只有 %d 天" % (S.index.month == 3).sum())

实跑输出：

--------------------------------------------------------------------
时间序列与两个综合案例
--------------------------------------------------------------------

  ① 造一份日流水
  --------------------------------------------------------------------
  60 天的流水，2026-01-01 到 2026-03-01，金额合计 341861。
  ! 随机数用了固定种子，所以每次跑出来一样——报数的时候必须交代种子，否则别人复现不了。

  ② resample：把日换成周
  --------------------------------------------------------------------
  按周汇总，得到 9 个点。
  第一周（到 2026-01-04）合计 28099，最后一周合计 39992。
  resample('W') 的标签是每周末（周日），不是周一。这一点常把人绕晕。
  ! 降频用 resample，升频也用 resample。'W' 周、'M' 月、'Q' 季、'Y' 年。

  ③ rolling：开个窗口算均值
  --------------------------------------------------------------------
  7 天滑动平均：前 6 个是 NaN（窗口没满），第 7 个开始有值。
  第 7 天 6372.86，最后一天 5713.14。
  滑动平均把日波动抹平，趋势就露出来了。窗口越大越平滑，也越迟钝。
  ! rolling 的第一个非空位置是「窗口长度 - 1」。想让它一开始就有值，加 min_periods=1。

  ④ ohlc：一次给四个数
  --------------------------------------------------------------------

| 日期 | open | high | low | close |
|---|---:|---:|---:|---:|
| 2026-01-04 00:00:00 | 7560 | 7729 | 5565 | 7729 |
| 2026-01-11 00:00:00 | 7138 | 10382 | 2075 | 4752 |
| 2026-01-18 00:00:00 | 2754 | 8592 | 2754 | 3450 |

  open 是窗口第一天的值，close 是最后一天，high 和 low 是窗口内的最高最低。
  这四个数就是 K 线要的四个数，一行代码凑齐。
  ! ohlc 要求索引已经是时间类型。字符串索引上去会直接报错。

  ⑤ 两个综合案例
  --------------------------------------------------------------------
  案例一：按周看金额趋势，找出最高的那一周。
  最高的一周是 2026-02-22 那一周，合计 44637。
  案例二：算每个月的总额和日均，比较月与月。

| 日期 | sum | mean |
|---|---:|---:|
| 2026-01-31 00:00:00 | 167835 | 5414.0 |
| 2026-02-28 00:00:00 | 171358 | 6119.9 |
| 2026-03-31 00:00:00 | 2668 | 2668.0 |

  agg 里同时给 sum 和 mean，一次拿到月总额和月日均。
  ! resample 加 agg 是时间序列的万能组合。换频率、配统计，一句写完。

最后一行是关键：三月只有 1 天，所以它那 2668 不能和一月二月比。 resample('ME') 的 E 表示「月末」。老写法 'M' 在新版会警告或改变含义。

30 秒实验

1. 把 rolling(7) 改成 rolling(30)，看前 29 个是不是都空。
2. 把 resample('W') 的标签改成周一（'W-MON'），看第一周变成几天。
3. 想一想：如果只拿三个月的数据做月度对比，应该怎么处理三月？

常见误区

1. 随机数不固定种子：报告里的数别人复现不了。
2. 把 'W' 当成周一起算：第一周会少几天，标签落在周日。
3. 拿不完整月份做对比：三月只有一天，看着跌了 98%，其实只是没数据。
4. 以为 rolling 从第一行就有值：窗口没满的期一律是 NaN。

第 4 章十四篇到此结束。第 5 章开始换个工具：用 Matplotlib 把数据画出来。

• ☐ （本篇完，下一篇 5.1 图表的作用与怎么选）

相关笔记

• 数据导出与日期处理
• 数据移位：shift 与升降比较
• groupby：按类聚起来算
• 📊 Python 数据分析 · 索引