Datumsangaben und Zeitreihen mit pandas

Ein Datumswert ist nützlicher, wenn pandas ihn als solchen erkennt. Eine Zeitreihe verknüpft Beobachtungen mit Zeitpunkten oder Zeitspannen. Stündliche Energiemesswerte bilden eine regelmäßige Zeitreihe; Bestellungen in ungleichmäßigen Abständen eine unregelmäßige. Text wie „12/31/2024“ kann nach „03/01/2025“ einsortiert werden, obwohl der Dezember früher war. Einheitliche vollständige ISO-Zeichenketten lassen sich korrekt sortieren, doch Datums- und Zeitwerte ermöglichen zusätzlich die Auswahl nach Kalenderangaben und Rechnungen.

Das passende Zeitobjekt wählen

Python stellt datetime, date und timedelta bereit. In pandas enthält ein Timestamp einen Zeitpunkt, eine Datums- und Zeitspalte hat einen Datentyp datetime64[unit] und ein DatetimeIndex enthält Datums- und Zeitwerte als Zeilenbezeichnungen. NaT bezeichnet eine fehlende Zeitangabe. Mit pd.isna() erkennst du sie; die Subtraktion einer fehlenden Zeitangabe ergibt wieder einen fehlenden Wert.

Die Einheit in datetime64[us] sind Mikrosekunden, die Speicherauflösung. Zu den weiteren Einheiten gehören Sekunden (s), Millisekunden (ms) und Nanosekunden (ns). pandas 3 liest Text normalerweise mit Mikrosekundenauflösung ein und verwendet Nanosekunden, wenn der Text sie benötigt. Eine feinere Auflösung beansprucht mehr vom Wertebereich der Ganzzahlen: Datumswerte in Nanosekunden reichen nur von 1677 bis 2262.

Verstrichene Zeit berechnen

import pandas as pd
start = pd.Timestamp("2025-03-10 18:00")
end = pd.Timestamp("2025-03-14 09:30")
elapsed = end - start
hours = elapsed / pd.Timedelta(hours=1)

elapsed beträgt 3 Tage, 15 Stunden und 30 Minuten. Die drei Tage entsprechen 72 Stunden, also ist hours gleich 87,5. elapsed.total_seconds() ergibt 315.000. Das Attribut .days ergibt nur 3; es ist der Anteil ganzer Tage, nicht die vollständige Dauer in Tagen. Erstelle Zeitdauern mit pd.Timedelta(hours=36) oder lies mehrere mit pd.to_timedelta(["1h", "90min"]) ein.

Die Subtraktion eines Zeitstempels von einer ganzen Datums- und Zeitspalte ergibt zeilenweise Zeitdauern. Verwende .dt.days für die Anteile ganzer Tage oder dividiere die Zeitdauerspalte durch ein Timedelta mit der gewünschten Einheit, um vollständige Werte mit Bruchteilen zu erhalten.

Kalenderkomponenten auslesen und Zeiten runden

In einer Spalte lesen .dt.year, .dt.month, .dt.hour und .dt.quarter Kalenderkomponenten aus. .dt.day_of_week nummeriert Montag mit 0 bis Sonntag mit 6; .dt.day_name() gibt einen Namen zurück. Der 14. März 2025 ist ein Freitag mit der Nummer 4. Bei einem Index greifst du direkt auf diese Attribute zu: df.index.month. Die Schreibweisen day_of_week und day_of_year ersetzen ältere, in pandas 3.1 als veraltet markierte Schreibweisen.

Ein Wochentag kann zum Gruppierungsschlüssel werden: df.groupby(df["timestamp"].dt.day_name())["kwh"].mean(). Eine Gruppierung nach Monatsnummer fasst diesen Monat über mehrere Jahre zusammen; eine Monatsperiode hält die Jahre getrennt.

Für 09:37 Uhr ergibt .dt.floor("h") 09:00 Uhr, .dt.ceil("h") 10:00 Uhr und .dt.round("15min") 09:30 Uhr. .dt.normalize() setzt die Uhrzeiten auf Mitternacht und behält Datums- und Zeitwerte bei. .dt.date erzeugt stattdessen Python-Datumsobjekte und verliert die Funktionen einer Datums- und Zeitspalte.

Zahleneinheiten ausdrücklich festlegen

astype("int64") gibt die Anzahl in der Einheit der jeweiligen Spalte zurück. Die Anzahl in Mikrosekunden ist für denselben Zeitpunkt um den Faktor 1.000 kleiner als die Anzahl in Nanosekunden. Benötigt eine externe Rechnung Nanosekunden, verwende s.dt.as_unit("ns").astype("int64"); ein Timestamp oder Index verwendet direkt .as_unit("ns"). Für verstrichene Zeit vermeiden Timedelta-Rechnungen diese Einheitenfalle.

Beim Einlesen erhält Text eine Kalenderbedeutung. Kläre vor der Umwandlung einer Datumsspalte ihr Format und prüfe, ob sie Zeitverschiebungen, ungültige Einträge oder fehlende Werte enthält. ISO 8601 schreibt das Jahr zuerst, wie in „2025-03-14T09:30:00“, und vermeidet die Mehrdeutigkeit von Tag und Monat.

Das Quellformat angeben

„03/04/2025“ kann den 4. März oder den 3. April bedeuten. pd.to_datetime("03/04/2025") liest den Monat zuerst; dayfirst=True liest den Tag zuerst. Ein bekanntes Format ist eindeutiger:

raw = pd.Series(["14/03/2025 18:45", "15/03/2025 09:00"])
parsed = pd.to_datetime(raw, format="%d/%m/%Y %H:%M")

%Y steht für ein vierstelliges Jahr, %m für einen Monat und %d für einen Tag. %H bezeichnet eine Stunde im 24-Stunden-Format, %M eine Minute und %S eine Sekunde. Verwende %I mit %p für das 12-Stunden-Format und AM/PM. %b und %B lesen abgekürzte und ausgeschriebene Monatsnamen. Das große %M bedeutet Minuten und kann daher das kleine %m für Monate nicht ersetzen.

Ohne format ermittelt pandas ein Format anhand des ersten nicht fehlenden Eintrags und wendet es auf die Spalte an. Steht „03/04/2025“ zuerst, schlägt ein späteres „13/04/2025“ fehl, wenn der Monat an erster Stelle angenommen wird. Eine andere Reihenfolge der Zeilen kann das ermittelte Format ändern. format="ISO8601" verarbeitet ISO-Varianten. format="mixed" liest Einträge einzeln ein, kann aber eine mehrdeutige Konvention der Quelle nicht klären; bereinige oder prüfe diese Konvention zuerst.

Fehlgeschlagene Umwandlungen prüfen

raw = pd.Series(["2025-01-15", "not a date", None])
parsed = pd.to_datetime(raw, format="%Y-%m-%d", errors="coerce")
failed = parsed.isna() & raw.notna()

Das Ergebnis enthält den 15. Januar und zwei NaT-Werte. parsed.isna().sum() ist 2, weil der ursprünglich fehlende Eintrag mitgezählt wird. failed.sum() ist 1, weil nur „not a date“ vorhanden war und nicht eingelesen werden konnte. Prüfe raw[failed], bevor du entscheidest, ob du den Eintrag korrigierst oder entfernst. Die Fehlerersetzung lässt das Laden weiterlaufen, verbirgt aber auch Tippfehler wie einen unmöglichen Monat. Die Standardeinstellung errors="raise" stoppt bei ungültigen Eingaben; pandas 3 hat errors="ignore" entfernt.

Dateien und numerische Zeitstempel einlesen

pd.read_csv("meter.csv", parse_dates=["timestamp"], index_col="timestamp") fordert das Einlesen als Datums- und Zeitwerte und einen Zeitindex an. Prüfe nach dem Laden die entstandenen Datentypen. Textspalten verwenden in pandas 3 den Datentyp str; ältere Versionen zeigen häufig object an.

Verbinde getrennte Datums- und Zeitzeichenketten vor dem Einlesen mit einem Leerzeichen. Spalten mit den Namen year, month und day lassen sich direkt mit pd.to_datetime(df[["year", "month", "day"]]) zusammensetzen.

Gib bei Unix-Zählwerten die Einheit an. pd.to_datetime(1735689600, unit="s", utc=True) ergibt Mitternacht UTC am 1. Januar 2025. Die Anzahl in Millisekunden lautet 1735689600000 mit unit="ms". Eine falsche Einheit verändert den interpretierten Zeitpunkt.

Nur für die Darstellung formatieren

parsed.dt.strftime("%d %b %Y") schreibt Text wie „15 Jan 2025“. Die Methode .isoformat() eines Timestamps schreibt eine ISO-Zeichenkette. Monats- und Wochentagsnamen richten sich nach der Spracheinstellung des Systems; die angezeigten Beispiele verwenden Englisch. Behalte Datums- und Zeitwerte während der Analyse bei und formatiere sie beim Export, denn Zeichenketten unterstützen keine Datumsrechnungen mehr.

Ein brauchbarer Zeitindex ist eingelesen, geordnet und geprüft. Eine Tabelle kann mehrere Ereignisse zu einem Zeitpunkt, fehlende Tage oder ungeordnete Datenblöcke enthalten. Jede dieser Bedingungen verändert die Bedeutung späterer Berechnungen.

Datums- und Zeitwerte als Zeilenbezeichnungen erstellen

df["timestamp"] = pd.to_datetime(df["timestamp"], format="%Y-%m-%d %H:%M")
df = df.set_index("timestamp").sort_index()

set_index() verschiebt die Spalte in die Zeilenbezeichnungen; es liest keinen Text ein. Prüfe df.index.dtype auf einen Datums- und Zeittyp und df.index.is_monotonic_increasing auf chronologische Reihenfolge. Gleiche benachbarte Zeiten sind in einem steigenden Index zulässig, daher belegt diese Prüfung keine Eindeutigkeit.

Ein DatetimeIndex unterstützt die Auswahl nach Datum und Resampling. Textbezeichnungen werden nicht allein deshalb zu einem Zeitindex, weil sie wie Datumsangaben aussehen. Du kannst Zeitstempel auch in einer Spalte belassen: df.resample("D", on="timestamp") nutzt diese Spalte, ohne den Index zu ändern. Ein PeriodIndex ist eine weitere Darstellung für Zeitreihen, deren Zeilen Zeitspannen wie Monate beschreiben.

Entscheiden, was wiederholte Zeiten bedeuten

df.index.is_unique gibt an, ob jede Bezeichnung unterschiedlich ist. df.index.duplicated() markiert wiederholte Bezeichnungen nach dem ersten Auftreten. Angenommen, zwei Messwerte, 3 und 5, gehören zum 1. Januar und ein Messwert von 4 zum 2. Januar. Die Mittelwertbildung für doppelte Messwerte mit df.groupby(level=0).mean() ergibt an beiden Daten 4,0.

Diese Operation ist eine Entscheidung über die Daten. Stellen die Zeilen separate Käufe dar, kann Summieren angemessen sein. Hat ein Import einen Datensatz verdoppelt, kann es angemessen sein, mit df[~df.index.duplicated(keep="last")] die letzte Kopie zu behalten. Lösche keine gültigen Transaktionen allein deshalb, um einen eindeutigen Index zu erhalten. Operationen, die jeder Zielbezeichnung einen Wert zuordnen, darunter reindex() und asfreq(), benötigen eindeutige Quellbezeichnungen.

Gespeicherte und ermittelte Frequenz unterscheiden

Ein mit pd.date_range() erstellter Index trägt normalerweise .freq. Bei eingelesenen Zeitstempeln ist .freq häufig gleich None, selbst wenn sie auf aufeinanderfolgende Tage fallen. pd.infer_freq(df.index) untersucht mindestens drei Zeitstempel und gibt ein Kürzel wie „D“ oder „ME“ zurück, wenn es ein regelmäßiges Muster findet. Unregelmäßige Abstände ergeben None.

Frequenzmetadaten ersetzen keine Vollständigkeitsprüfung. Um fehlende tägliche Zeilen zu finden, erstelle den erwarteten Kalender:

calendar = pd.date_range(df.index.min(), df.index.max(), freq="D")
missing = calendar.difference(df.index)

Ein fehlender Tag hat keine Zeile. Er unterscheidet sich von einer vorhandenen Zeile mit NaN. Ein Kalender, der durch das beobachtete Minimum und Maximum begrenzt ist, kann keine fehlenden Daten außerhalb dieses Bereichs aufdecken; verwende den geplanten Beginn und das geplante Ende des Berichtszeitraums, wenn sie bekannt sind.

Auf spätere Operationen vorbereiten

Sortieren macht Slices vorhersehbar und ist für zeitbasierte gleitende Fenster erforderlich. Fehlende Zeilen sind auch dann relevant, wenn eine Berechnung gelingt: shift(1) bedeutet eine Zeile zurück und rolling(7) bedeutet sieben Zeilen. Keine der beiden Methoden prüft, ob jede Zeile einen Tag darstellt. Behalte bei einer langen Tabelle außerdem den Schlüssel der Zeitreihe, etwa Sensor oder Geschäft, damit spätere Operationen getrennt je Zeitreihe ausgeführt werden können.

Sobald der Index sortierte Datums- und Zeitwerte enthält, sind Datumszeichenketten nützliche Auswahlmittel. Ihre Genauigkeit bestimmt, wie viel Zeit sie darstellen: ein Jahr, einen Monat, einen Tag oder eine bestimmte Minute.

Eine ganze Kalenderperiode auswählen

Für tägliche Daten von Januar bis März 2025 wählt ts.loc["2025"] alle 90 Tage aus. ts.loc["2025-02"] wählt die 28 Tage des Februars aus. Bei stündlichen Daten wählt eine Tageszeichenkette den ganzen Tag aus, nicht nur Mitternacht.

Verwende .loc auch bei einem DataFrame:

february = df.loc["2025-02", "kwh"]
spring_onward = df.loc["2025-03-01":]

df["2025-02"] fragt dagegen eine Spalte mit diesem Namen ab. Ein Zeitindex macht die Spaltenauswahl mit eckigen Klammern nicht zur Zeilenauswahl.

Den Endpunkt genau lesen

Ein bezeichnungsbasierter Slice schließt beide Endpunkte ein. ts.loc["2025-01-30":"2025-02-02"] umfasst den 30. und 31. Januar sowie den 1. und 2. Februar. Ein positionsbasierter Slice wie ts.iloc[0:4] endet vor Position 4.

Das Ende eines Slices mit unvollständiger Datumszeichenkette umfasst die gesamte benannte Periode. Bei stündlichen Daten schließt df.loc[:"2025-06-01"] den ganzen 1. Juni ein. df.loc[:"2025-06-01 00:00"] endet um Mitternacht. Ebenso schließt ein Slice, der mit „2025-02“ endet, den ganzen Februar ein. Eine genauere Zeichenkette verändert die Grenze, schreibe den Endpunkt also passend zur Fragestellung.

ts.truncate(before="2025-03-01") behält alles ab dem 1. März. Das Argument after= schneidet das andere Ende ab. Vorheriges Sortieren vermeidet Fehler, die auftreten können, wenn Slices mit Datumszeichenketten auf ungeordnete Bezeichnungen treffen.

Wiederkehrende Kalenderbedingungen auswählen

Kalenderattribute erzeugen boolesche Masken:

weekends = df[df.index.day_of_week >= 5]
evening_march = df[(df.index.month == 3) & (df.index.hour >= 18)]

Montag ist 0, Samstag und Sonntag sind also 5 und 6. Jede Bedingung benötigt Klammern, wenn sie mit & oder | verbunden wird. Verwende bei einer Datums- und Zeitspalte df["timestamp"].dt.day_of_week statt eines Indexattributs. Die Wochentagsmaske wählt ein wiederkehrendes Kalendermuster aus; das unterscheidet sich von der Auswahl eines zusammenhängenden Datumsintervalls.

Ein Tageszeitfenster für jedes Datum auswählen

df.between_time("09:00", "17:00") wählt diese Stunden an jedem Tag aus. Standardmäßig sind beide Enden eingeschlossen, sodass ein vollständiger Tag mit stündlichen Daten neun Zeilen ergibt. inclusive="left" schließt 09:00 Uhr ein und 17:00 Uhr aus und ergibt acht Zeilen. df.at_time("12:00") wählt jeden Tag genau 12:00 Uhr aus.

Ein Tageszeitfenster kann über Mitternacht reichen. between_time("22:00", "06:00") wählt späte Abend- und frühe Morgenzeilen über den ganzen Index aus. Es wählt kein einzelnes zusammenhängendes Intervall zwischen zwei bestimmten Daten aus. Bei einem Index mit Zeitzoneninformation nutzt die Auswahl mit Datumszeichenketten die lokale Zeitzone des Index; rechne den Index um, bevor du einen Berichtstag in einer anderen Zeitzone auswählst.

Eine Änderung braucht einen klaren Vergleichspunkt. „Vorherig“ kann die vorherige beobachtete Zeile, den vorherigen Kalendertag oder denselben Monat ein Jahr zuvor bedeuten. Wähle diese Bedeutung, bevor du eine Verzögerung oder Wachstumsrate berechnest.

Frühere Werte neben aktuelle setzen

Für die Besucherzahlen 200, 210 und 189 vom 3. bis 5. März ergibt s.shift(1) die Werte NaN, 200 und 210. Es verschiebt Werte um eine Zeile nach unten und behält die Bezeichnungen bei. Die neue erste Stelle fehlt, weil keine frühere Beobachtung vorhanden ist. shift(-1) ergibt 210, 189 und NaN: ein Vorlauf, der den nächsten Wert in die aktuelle Zeile holt.

df["previous"] = df["visitors"].shift(1)
df["change"] = df["visitors"].diff()
df["growth"] = df["visitors"].pct_change()

diff() subtrahiert den vorhergehenden Wert und ergibt NaN, 10 und −21. pct_change() dividiert den aktuellen Wert durch den vorherigen und subtrahiert 1. Das ergibt NaN, 0,05 und −0,10. Dies sind Anteile: 0,05 bedeutet 5 %, nicht 0,05 %. Gleitkommaausgaben können winzige zusätzliche Stellen enthalten; runde nach der Berechnung für die Anzeige.

Die Verzögerung in Zeilen oder Zeit wählen

pct_change(7) vergleicht mit dem Wert sieben Zeilen zuvor. Das ist nur dann derselbe Wochentag eine Woche zuvor, wenn lückenlos genau eine Zeile pro Tag vorhanden ist. Bei einer vollständigen monatlichen Zeitreihe ergibt pct_change(12) die Änderung gegenüber dem Vorjahr.

shift(1, freq="D") verschiebt die Zeitstempel um einen Tag nach vorn und lässt die Werte an den verschobenen Bezeichnungen. Es behält jeden Wert bei. Rechnungen mit dem Original richten die Werte dann anhand des Datums aus:

previous_day = s.shift(1, freq="D")
daily_change = s - previous_day

Enthält die Quelle nur am Montag und Donnerstag Beobachtungen, vergleicht ein einfaches shift(1) den Donnerstag mit dem Montag. Eine Datumsverschiebung ermöglicht einen Vergleich mit Mittwoch; fehlt der Mittwoch, fehlt die tägliche Änderung für Donnerstag. Das Füllen dieser Lücke ist eine separate Entscheidung über die Daten.

Beachten, dass Rechnungen Bezeichnungen ausrichten

Zwei Series werden anhand der Zeitstempel kombiniert, nicht anhand der Zeilenposition. Addiere die Werte 200, 210 und 189 am 3., 4. und 5. März zu den Werten 1 und 1 am 4. und 7. März. Nur am 4. März liegen zwei Beobachtungen vor, sodass die Summe 211 beträgt. Die Vereinigung der Daten umfasst den 3., 4., 5. und 7. März; die übrigen Ergebnisse fehlen.

Verwende s.add(other, fill_value=0), wenn eine fehlende Beobachtung tatsächlich null bedeutet, etwa bei einer überprüften Ereignisanzahl. Es ist keine allgemeine Korrektur für fehlende Sensormesswerte.

Vergleiche je Zeitreihe neu beginnen

Sortiere eine lange Tabelle nach ihrem Zeitreihenschlüssel und Datum und berechne dann innerhalb der Gruppen. df.groupby("store")["sales"].pct_change() vergleicht jedes Geschäft nur mit sich selbst. Verkauft Geschäft A für 100 und dann 110 und Geschäft B für 50 und dann 40, lauten die Wachstumsraten: fehlend, 0,10, fehlend und −0,20. Eine einfache spaltenweite Berechnung würde den ersten Verkauf von B mit dem letzten Verkauf von A vergleichen. Dieses numerische Ergebnis würde einen Geschäftswechsel beschreiben, kein Wachstum im Zeitverlauf.

Eine regelmäßige Datumsfolge ist ein Kalender, den du erzeugen kannst, statt jede Bezeichnung einzutippen. Sie kann Testdaten bezeichnen, ein erwartetes Berichtsraster festlegen oder nach einer Neuindizierung fehlende Beobachtungen sichtbar machen.

Anfang und Regel angeben

ends = pd.date_range("2025-01-01", periods=4, freq="ME")

Die vier Zeitstempel sind der 31. Januar, 28. Februar, 31. März und 30. April. „ME“ bedeutet Monatsende, also ist das erste Datum das erste Monatsende am oder nach dem Anfang. Eine regelmäßige Frequenz kann einer Kalenderregel folgen, auch wenn die verstrichenen Abstände unterschiedlich lang sind.

Gib normalerweise zwei der Angaben start, end und periods sowie freq an. Ohne ausdrückliche Frequenz gilt standardmäßig ein Kalendertag. periods zählt Zeitstempel, nicht Abstände: Vier stündliche Zeitstempel enthalten drei Abstände.

Häufige Kürzel lesen

Vielfache drücken größere Abstände aus: „15min“, „2h“ und „90min“. Beginnst du um 08:00 Uhr mit vier Perioden zu „90min“, erhältst du 08:00, 09:30, 11:00 und 12:30 Uhr. „1h30min“ drückt denselben Abstand aus.

Frequenzen für Zeitstempel verwenden in pandas 3 „ME“, „QE“, „YE“, „BME“, „h“, „min“, „s“, „ms“ und „us“. Die älteren Kürzel „M“, „Q“, „Y“ oder „A“, „BM“, „H“, „T“, „S“, „L“ und „U“ funktionieren bei diesen Zeitstempeloperationen nicht mehr. Monatsperioden verwenden weiterhin „M“, weil eine Periode eine Zeitspanne beschreibt.

Ankerpunkte und Geschäftstage beachten

Eine kalendergebundene Datumsfolge nimmt den angegebenen Anfang nicht zwingend in ihre Ausgabe auf. Beginnst du am 15. Januar 2025 mit freq="MS", erhältst du zuerst den 1. Februar. Im Januar 2025 ergibt „W-MON“ den 6., 13., 20. und 27. Januar; ein einfaches „W“ ergibt Sonntage. „WOM-3FRI“ bedeutet den dritten Freitag jedes Monats.

„B“ überspringt Wochenenden, kennt aber keine lokalen Feiertage. Der März 2025 enthält 21 Tage von Montag bis Freitag. Ein benutzerdefinierter Kalender kann einen angegebenen Feiertag ausschließen:

pd.bdate_range("2025-03-01", "2025-03-31",
               freq="C", holidays=["2025-03-17"])

Diese Datumsfolge enthält 20 Daten. Die Feiertagsliste wird ausdrücklich angegeben; aus Zeitzone oder Sprache wird kein Land abgeleitet.

Endpunkte sorgfältig zählen

Passende Anfangs- und Endpunkte sind standardmäßig eingeschlossen. Stündlich von Mitternacht am 1. Januar bis Mitternacht am 2. Januar ergibt 25 Zeitstempel. Verwende periods=24 für genau 24 stündliche Messwerte oder inclusive="left", um das Ende auszuschließen. normalize=True setzt die Uhrzeit von Anfang und Ende auf Mitternacht. Ergänze tz="Asia/Tokyo", wenn die erzeugten Bezeichnungen eine Zeitzone tragen sollen.

„Einen Monat später“ ist eine Kalenderanweisung. „Dreißig Tage später“ ist eine verstrichene Zeitdauer. Die Ergebnisse können sich unterscheiden, weil Monate und Jahre nicht alle dieselbe Anzahl von Tagen haben.

Zeitdauer und Kalenderverschiebung unterscheiden

Ein Timedelta addiert eine feste verstrichene Zeitdauer. Ein DateOffset folgt Kalenderfeldern. Ausgehend vom 31. Januar 2025:

t = pd.Timestamp("2025-01-31")
t + pd.DateOffset(months=1)   # February 28
t + pd.Timedelta(days=30)    # March 2

Beim DateOffset verschiebst du zunächst in den Februar und behältst dann den Tag 31 bei, falls er existiert. Das ist nicht der Fall, daher begrenzt pandas auf den letzten gültigen Tag im Februar. Vom 31. Januar 2024 aus ist das Ergebnis der 29. Februar, weil es ein Schaltjahr ist. pd.Timedelta(months=1) ist ungültig: Ein Monat hat keine einheitliche feste Dauer.

Derselbe Unterschied gilt für Jahre. Vom 1. Januar 2024 aus enden 365 verstrichene Tage am 31. Dezember 2024. pd.DateOffset(years=1) endet am 1. Januar 2025. Verwende die in der eigentlichen Frage genannte Einheit, statt sie durch eine bequeme Anzahl von Tagen zu ersetzen.

Zu einem Kalenderankerpunkt verschieben

pd.offsets.MonthEnd(1) verschiebt auf das nächste Monatsende. Vom 15. Januar 2025 aus ergibt sich der 31. Januar. Vom 31. Januar aus ergibt sich der 28. Februar. Die Anzahl eins bedeutet, zum nächsten Ankerpunkt vorzugehen, daher wird auch ein bereits passendes Datum verschoben.

MonthEnd(0) verschiebt ein Datum auf das Ende seines aktuellen Monats, lässt ein bestehendes Monatsende aber unverändert. Das ist nützlich, um jede Beobachtung mit dem Ende ihres Monats zu bezeichnen:

month_labels = df.index + pd.offsets.MonthEnd(0)

Ein Offset hat außerdem rollforward() und rollback(). Für den 15. Januar ist der nächste MonthEnd-Ankerpunkt nach vorn der 31. Januar und der nächste nach hinten der 31. Dezember 2024. Diese Operationen wählen den nächsten gültigen Ankerpunkt in einer Richtung.

Über Geschäftstage verschieben

Der 14. März 2025 ist ein Freitag. Die Addition von pd.offsets.BDay(1) ergibt Montag, den 17. März. Die Addition eines verstrichenen Tages ergibt Samstag, den 15. März. Eine standardmäßige Geschäftstagsregel überspringt Wochenenden; für Feiertage ist ein ausdrücklich angegebener benutzerdefinierter Kalender nötig.

Frequenzzeichenketten sind Kurznamen für Offset-Objekte: „ME“ entspricht MonthEnd, „B“ BusinessDay und „W-MON“ einer auf Montag verankerten Woche. So lässt sich dieselbe Kalenderbedeutung für eine Datumsfolge, eine Resampling-Regel oder eine Datumsverschiebung nutzen.

Die gewünschte Uhrzeit über die Sommerzeitumstellung hinweg behalten

In pandas 3 bedeutet pd.offsets.Day(1) einen Kalendertag und behält die lokale Uhrzeit bei. pd.Timedelta(days=1) addiert genau 24 Stunden. Vom 29. März 2025 um 12:00 Uhr in Amsterdam aus endet der Kalenderoffset am 30. März um 12:00 Uhr, nach nur 23 verstrichenen Stunden. Das Timedelta endet um 13:00 Uhr. Ein wiederkehrender lokaler Termin und eine gemessene Gerätelaufzeit benötigen daher unterschiedliche Operationen.

Eine monatliche Umsatzsumme gehört zu einem ganzen Monat. Sie lässt sich mit einem einzelnen Zeitstempel bezeichnen, doch eine Period gibt ihre Zeitspanne direkt an. Eine Period kombiniert einen Wert mit einer Frequenz, sodass „2025-03“ mit der Frequenz „M“ den gesamten März 2025 bedeutet.

Zeitspannen darstellen und verschieben

march = pd.Period("2025-03", freq="M")
months = pd.period_range("2025-01", "2025-04", freq="M")

months ist ein PeriodIndex mit vier Elementen und dem Datentyp period[M]. Die start_time des März ist Mitternacht am 1. März; seine end_time ist bei Mikrosekundenauflösung der 31. März um 23:59:59.999999. Das Ende ist der letzte Zeitpunkt, nicht Mitternacht zu Beginn des letzten Tages.

Periodenrechnungen verschieben in der eigenen Einheit der Periode. march + 1 ist April 2025. Juni minus März mit monatlicher Frequenz ergibt einen Offset von drei Monatsenden, dessen .n gleich 3 ist. Eine Monatsperiode kennt auch .days_in_month: Der Februar 2025 hat 28 Tage.

Zeitpunkte in Zeitspannen und zurück umwandeln

monthly_labels = df.index.to_period("M")
column_labels = df["date"].dt.to_period("M")
start_labels = monthly_labels.to_timestamp()
end_labels = monthly_labels.to_timestamp(how="end")

Jeder Zeitstempel im März wird derselben Monatsperiode zugeordnet. Die Rückumwandlung dieser Periode ergibt standardmäßig ihren Anfang oder auf Wunsch ihr Ende. Der ursprüngliche Tag und die ursprüngliche Uhrzeit einer Beobachtung werden dadurch nicht wiederhergestellt: Die Umwandlung in eine Periode hat diese Details verworfen.

Halte die Kürzelfamilien auseinander. Eine monatliche Zeitspanne verwendet „M“ in Period und period_range. Ein Zeitstempel für ein Monatsende verwendet „ME“ in date_range und beim Resampling von Datums- und Zeitwerten. Die beiden Namen beschreiben unterschiedliche Arten von Bezeichnungen.

Die Frequenz einer Periode ändern

Die Methode .asfreq() einer Periode wählt eine umfassende oder enthaltene Periode mit einer anderen Frequenz aus. march.asfreq("D", how="start") ergibt den 1. März als Tagesperiode; how="end" ergibt den 31. März. Eine mit how="start" in „M“ umgewandelte Jahresperiode ergibt den Januar.

Dies wählt eine Periode an der Grenze aus; eine Monatssumme wird dadurch nicht auf Tage aufgeteilt. Bei einer Series mit PeriodIndex kann Resampling monatliche zu vierteljährlichen Zeitspannen aggregieren. Die Anzahlen der Tage in jedem Monat des Jahres 2025 ergeben die Quartalssummen 90, 91, 92 und 92.

Geschäftsjahresquartale lesen

Ein Geschäftsjahresquartal wird innerhalb eines Geschäftsjahres benannt, dessen Endmonat ausdrücklich angegeben ist. Bei „Q-JUN“ endet das Geschäftsjahr 2025 im Juni 2025. Sein erstes Quartal läuft daher von Juli bis September 2024:

q = pd.Period("2025Q1", freq="Q-JUN")

Bei „Q-MAR“ fällt der 10. Mai 2025 in 2026Q1, weil dieses Geschäftsjahr im März 2026 endet. Das Jahr in einer Geschäftsjahresbezeichnung muss nicht mit dem Kalenderjahr ihres ersten Tages übereinstimmen. Für Zeitstempelfilter ist es oft klarer, Zeiten vor dem Beginn der nächsten Periode auszuwählen, als den letzten Sekundenbruchteil der aktuellen Periode zu konstruieren.

Resampling beantwortet Fragen wie „Wie viel Energie wurde täglich verbraucht?“ oder „Wie hoch war die durchschnittliche Temperatur in jedem Monat?“. Es gruppiert Beobachtungen in Zeitintervalle und wendet anschließend eine Aggregation an.

Einen zur Größe passenden Kennwert wählen

daily = df.resample("D").agg({"kwh": "sum", "temp_c": "mean"})

Energie in kWh und Niederschlag in mm addieren sich über die Zeit. Temperatur beschreibt einen Zustand, daher ist ein Mittelwert aussagekräftiger als eine Summe. last() eignet sich für einen Schlusskontostand, während max() einen Höchstwert findet. Tägliche Verkäufe lassen sich für den monatlichen Gesamtverkauf summieren oder für den durchschnittlichen Verkauf pro beobachtetem Tag mitteln; die Frage entscheidet.

resample() gibt zunächst einen Resampler zurück, bis du eine Aggregation wie sum(), mean(), count() oder agg() aufrufst. Verwende on="date", wenn die Datums- und Zeitwerte in einer Spalte statt im Index stehen.

Kalenderintervalle und unvollständige Abdeckung lesen

Eine tägliche Zeitreihe aus Einsen vom 1. Januar bis zum 30. April 2025 ergibt mit resample("ME").sum() die Monatssummen 31, 28, 31 und 30. „MS“ ergibt dieselben Monatssummen mit den Monatsanfängen als Bezeichnungen. Resampling auf Quartalsenden ergibt 90 für Januar bis März und 30 für ein zweites Quartal, das nur April enthält. Eine Bezeichnung mit dem 30. Juni belegt nicht, dass Mai und Juni beobachtet wurden.

Wöchentliche „W“-Intervalle enden am Sonntag. Tägliche Werte von 1 bis 14 ab Montag, dem 3. März, ergeben 28 für die mit dem 9. März bezeichnete Woche und 77 für die mit dem 16. März bezeichnete Woche. „W-MON“ endet am Montag; das erste Intervall enthält dann nur den 3. März. Lies den Wochentag des Ankerpunkts, bevor du eine Bezeichnung als Wochenanfang interpretierst.

Zugehörigkeit und Bezeichnung unterscheiden

closed steuert, welche Grenze zu einem Intervall gehört. label steuert den Zeitstempel, der beim Ergebnis ausgegeben wird. Bei den meisten Regeln, darunter „5min“, „h“, „D“ und „MS“, ist beides standardmäßig „left“.

Die Werte 0 bis 9, einer pro Minute ab 00:00 Uhr, ergeben zwei standardmäßige Fünf-Minuten-Summen: 10 mit der Bezeichnung 00:00 und 35 mit der Bezeichnung 00:05. Das erste Intervall enthält 00:00 bis 00:04 Uhr. Mit closed="right", label="right" lauten die Ergebnisse 0 um 00:00 Uhr, 15 um 00:05 Uhr und 30 um 00:10 Uhr. Das mittlere Intervall enthält 00:01 bis 00:05 Uhr. Wird nur die Bezeichnung geändert, ändert sich die Zugehörigkeit nicht.

Endregeln wie „ME“, „QE“, „YE“, „W“ und „BME“ sind standardmäßig rechts abgeschlossen und rechts bezeichnet. Intervalle fester Länge beginnen normalerweise um Mitternacht des ersten Tages, sodass 15-Minuten-Grenzen bei 00:00, 00:15 Uhr und so weiter liegen.

Leere Intervalle von tatsächlichen Nullen unterscheiden

Für einen leeren Tag ist sum() gleich 0, count() gleich 0 und mean() gleich NaN. Verwende sum(min_count=1), damit der Wert fehlt, wenn kein Messwert verfügbar ist. Ein erfasster Nullwert und ein fehlender Messwert bleiben dann unterscheidbar.

Für mehrere Kennwerte einer Zeitreihe liefert .ohlc() Eröffnung, Hoch, Tief und Schluss: den ersten, größten, kleinsten und letzten beobachteten Wert in jedem Intervall. Die Messwerte 10, 12 und 11 ergeben Eröffnung 10, Hoch 12, Tief 10 und Schluss 11. Eröffnung und Schluss hängen von der zeitlichen Reihenfolge ab, nicht von der numerischen Größe.

Ein feineres Raster erzeugt Stellen, keine Messungen. Entscheide vor dem Auffüllen, ob jeder Wert einen Zustand, eine Anzahl, eine stetige Messgröße oder eine Summe über eine Zeitspanne darstellt.

Die neuen Stellen sichtbar machen

s = pd.Series([10.0, 16.0],
              index=pd.to_datetime(["2025-06-01", "2025-06-04"]))
daily = s.asfreq("D")

Das tägliche Ergebnis lautet 10, NaN, NaN, 16. s.resample("D").asfreq() ergibt hier dasselbe Raster. Werte bleiben bei passenden Zeitstempeln erhalten; die neuen Daten enthalten keine ursprüngliche Beobachtung.

Der Bedeutung entsprechend auffüllen

Eine Thermostateinstellung gilt, bis sie jemand ändert, daher ist Vorwärtsauffüllen nützlich. Ein sich stetig ändernder Wasserstand kann Interpolation rechtfertigen. Null eignet sich für eine Ereignisanzahl nur, wenn der fehlende Eintrag bedeutet, dass kein Ereignis stattfand. Ein Sensorausfall belegt keinen Messwert von null.

Das Interpolationsbeispiel verwendet ein regelmäßiges Tagesraster. Die gesamte Änderung beträgt 6 über drei Schritte von jeweils einem Tag, also kommen bei jedem Schritt 2 hinzu. Die beiden inneren Werte sind Schätzungen, keine neu gewonnenen Messungen.

Rückwärtsauffüllen nutzt Informationen aus der Zukunft. Es kann nicht beschreiben, was eine beobachtende Person zu jedem früheren Zeitpunkt wusste. Vorwärtsauffüllen respektiert diese Zeitrichtung, aber bei langen Lücken kann ein übernommener Zustand dennoch veralten. daily.ffill(limit=1) füllt eine Stelle nach einem Messwert und ergibt in diesem Beispiel 10, 10, NaN, 16.

Ausdrückliche Berichtsgrenzen verwenden

asfreq("D") reicht vom ersten bis zum letzten Quellzeitstempel. Indiziere neu, wenn der Kalender weiter reichen muss:

calendar = pd.date_range("2025-06-01", "2025-06-05", freq="D")
complete = s.reindex(calendar)

Der 5. Juni ist nun ebenfalls sichtbar. fill_value=0 füllt bei der Neuindizierung neu erzeugte Bezeichnungen und ist damit für überprüfte Tage ohne Ereignisse nützlich. Bereits in der Quelle vorhandene fehlende Werte werden dadurch nicht ersetzt. Sowohl die Neuindizierung als auch asfreq() benötigen eindeutige Quellbezeichnungen.

Auswahl und Aggregation unterscheiden

asfreq() wählt Werte zu Zielzeitstempeln aus. Es fasst die dazwischenliegenden Beobachtungen nicht zusammen. Bei 48 stündlichen Werten von 0 bis 47 wählt asfreq("D") die Mitternachtsmesswerte 0 und 24 aus. resample("D").sum() ergibt dagegen 276 und 852, indem jeder Stundenwert des jeweiligen Tages addiert wird.

Eine Monatssumme kann nicht auf jeden Tag vorwärts aufgefüllt und danach summiert werden: Das würde dieselbe Summe wiederholt zählen. Für eine gleichmäßige Aufteilung auf die Tage muss durch die Anzahl der Tage des Monats dividiert werden. Das ist eine Annahme zur Aufteilung und unterscheidet sich von der Übernahme eines Zustands oder der Schätzung einer stetigen Messgröße.

Eine lange Tabelle kann viele Zeitreihen in einer Wertespalte enthalten. Ein Geschäftsschlüssel unterscheidet Geschäfte, ein Sensorschlüssel unterscheidet Sensoren. Gruppiere nach dieser Kennung und nach Zeit, wenn die Frage für jede Zeitreihe einen separaten Verlauf verlangt.

Einen Zeitreihenschlüssel mit einer Zeitregel kombinieren

monthly = df.groupby([
    "store", pd.Grouper(key="date", freq="ME")
])["sales"].sum()

pd.Grouper setzt eine Zeitintervallregel innerhalb von groupby ein. key= benennt eine Datums- und Zeitspalte; level= kann eine Datums- und Zeitindexebene benennen. Das Ergebnis hat eine Indexebene für das Geschäft und eine weitere für das Monatsende. Durch die Auswahl der numerischen Spalte konzentriert sich die Aggregation auf den Umsatz.

Angenommen, Geschäft A erzielt am 5. Januar einen Umsatz von 100, am 20. Januar von 150 und am 3. Februar von 120. Geschäft B erzielt am 11. Januar 80, am 14. Februar 90 und am 25. Februar 60. Das gruppierte Ergebnis lautet für A: Januar 250, Februar 120; für B: Januar 80, Februar 150. Resampling der ganzen Tabelle ohne Geschäftsschlüssel würde die Geschäfte zu Januar 330 und Februar 270 zusammenfassen.

Innerhalb jeder Gruppe Resampling durchführen

Eine zweite Form macht zuerst das Datum zum Index:

monthly = (df.set_index("date")
             .groupby("store")["sales"]
             .resample("ME").sum())

Sie erzeugt dieselben Summen für beobachtete Kombinationen aus Geschäft und Monat. Die beiden Formen unterscheiden sich, wenn ein Geschäft in einem dazwischenliegenden Monat keine Zeilen hat. Erscheint A nur im Januar und März, erzeugt gruppenweises Resampling zwischen dem ersten und letzten Datum von A ein Februarintervall; ein gewöhnliches sum() ergibt dort null. Die Gruppierung nach Geschäft und einem Grouper behält die Kombinationen, die Zeilen enthalten, sodass die Februar-Kombination von A fehlt.

Eine fehlende Kombination, ein als null zusammengefasstes leeres Intervall und eine fehlende Messung sind unterschiedliche Datenzustände. Entscheide, welchen der Bericht zeigen soll. Verwende ausdrückliche Neuindizierung, wenn alle Geschäfte einen Kalender teilen sollen, der über ihren beobachteten Zeitraum hinausreicht. Verwende min_count=1 bei einer Summe, wenn ein leeres Intervall fehlend bleiben soll.

Für den Vergleich umformen

monthly.unstack("store") verschiebt die Geschäftsebene in Spalten und belässt die Monate in Zeilen. Im Beispiel hat Januar A = 250 und B = 80; Februar hat A = 120 und B = 150. Eine fehlende Kombination aus Geschäft und Monat wird zu NaN; unstack("store", fill_value=0) ersetzt fehlende Kombinationen durch null, wenn diese Bedeutung passt.

Jahre bei Bedarf getrennt halten

Ein zeitbasierter Grouper mit „ME“ hält Januar 2024 und Januar 2025 getrennt. Die Gruppierung nach df["date"].dt.month behält nur Monatsnummern und fasst beide Januarmonate zusammen. Die erste Form beantwortet „Was geschah jeden Monat?“. Die zweite unterstützt einen saisonalen Vergleich wie den durchschnittlichen Januarumsatz über mehrere Jahre. Die Wahl hängt davon ab, welche zeitliche Zuordnung erhalten bleiben muss.

Ein gleitendes Fenster fasst wiederholt eine sich verschiebende Gruppe von Zeilen zusammen. Bei jeder neuen Zeile kommt der aktuelle Wert hinzu und irgendwann fällt der älteste heraus. Die Fensterlänge steuert, wie stark kurzfristige Schwankungen geglättet werden.

Ein Fenster nach dem anderen betrachten

Für die Werte 4, 8, 6, 10 und 12:

s = pd.Series([4, 8, 6, 10, 12])
s.rolling(3).mean()

Das erste vollständige Fenster ist [4, 8, 6] mit der Summe 18 und dem Mittelwert 6. Das nächste ist [8, 6, 10] mit dem Mittelwert 8. Das letzte ist [6, 10, 12] mit dem Mittelwert etwa 9,333. Die Standardergebnisse sind NaN, NaN, 6, 8 und 9,333, weil die ersten beiden Zeilen noch keine drei Beobachtungen haben.

Datenanforderungen und Platzierung steuern

min_periods legt die erforderliche Anzahl nicht fehlender Werte fest. Bei einem Fenster mit fester Zeilenanzahl entspricht der Standardwert der vollständigen Fenstergröße. Mit min_periods=1 verwenden die frühen Mittelwerte erst einen und dann zwei Werte: 4 und 6. Wegen ihrer kleineren Stichproben sind sie weniger stabil als die späteren Mittelwerte aus drei Werten.

Fehlende Werte belegen weiterhin Zeilenpositionen. In [4, NaN, 6, 10, 12] hat ein Fenster mit drei Zeilen, das den fehlenden Wert enthält, nur zwei gültige Beobachtungen. min_periods=2 erlaubt den Mittelwert von [4, NaN, 6], der 5 beträgt; die Standardeinstellung erlaubt ihn nicht.

Ergebnisse gehören normalerweise zur letzten Zeile des Fensters. Mit center=True erscheinen dieselben drei Mittelwerte vollständiger Fenster in den mittleren Zeilen und ergeben NaN, 6, 8, 9,333, NaN. Ein zentrierter Wert nutzt spätere Beobachtungen relativ zu seiner Bezeichnung. Verwende rückwärtsgerichtete Fenster, um zu beschreiben, was zu jedem Zeitpunkt bekannt war.

Mehr als den Mittelwert zusammenfassen

Dieselben Fenster unterstützen sum(), max(), min() und std(). pandas verwendet standardmäßig die Stichprobenstandardabweichung: [4, 8, 6] hat die Standardabweichung 2. Eine eigene Funktion kann eine Spannweite berechnen:

s.rolling(3).apply(lambda v: v.max() - v.min(), raw=True)

Die Spannweiten der vollständigen Fenster sind 4, 4 und 6. raw=True übergibt Arraywerte an die Funktion. Zwei ausgerichtete Zeitreihen können ebenfalls ein Fenster teilen: a.rolling(3).corr(b) misst die Korrelation über die letzten drei gepaarten Beobachtungen, sodass der Zusammenhang im Zeitverlauf variieren kann.

Eine sinnvolle Länge und Gruppierung wählen

Bei genau einer vollständigen täglichen Zeile pro Tag enthält ein Mittelwert über sieben Zeilen jeden Wochentag einmal und mittelt eine feste wiederkehrende Wochentagskomponente heraus. Ein Mittelwert über zwölf Zeilen bewirkt bei vollständigen Monatsdaten dasselbe für eine feste Jahreskomponente. Längere Fenster glätten stärker, reagieren aber später auf Wendungen; ein rückwärtsgerichteter Mittelwert über n Zeilen hat ungefähr ein halbes Fenster Verzögerung, etwa (n − 1) / 2 Zeilen.

Zeilen sind keine Tage. Sieben Messwerte mit Lücken können mehr als eine Woche umfassen. Verwende ein Zeitfenster, wenn die Frage eine verstrichene Zeitspanne nennt. Sortiere in einer langen Tabelle jede Zeitreihe zeitlich und führe Fenster innerhalb ihrer Gruppe aus: df.groupby("store")["sales"].rolling(2).sum(). So verhinderst du, dass ein Fenster von den Daten eines Geschäfts in die eines anderen übergeht.

Für unregelmäßige Ereignisse eignen sich zeitlich definierte Fenster. „Bestellungen in den vergangenen drei Tagen“ sollte dieselbe Dauer umfassen, auch wenn es an einem Tag viele und am nächsten keine Bestellungen gibt.

Ein Fenster nach verstrichener Zeit definieren

s = pd.Series([5, 3, 4, 6], index=pd.to_datetime([
    "2025-05-01", "2025-05-02", "2025-05-05", "2025-05-06"
]))
s.rolling("3D").sum()

Die Ergebnisse sind 5, 8, 4 und 10. Anders als rolling(3) definiert die Zeichenkette „3D“ eine Zeitspanne von drei Tagen. Die Anzahl der Zeilen innerhalb dieser Spanne kann variieren. Sortiere zuerst den DatetimeIndex; Zeitfenster benötigen monoton steigende Zeiten. Ein DataFrame kann mit on="date" eine sortierte Datums- und Zeitspalte verwenden.

Die Grenze vor dem Addieren prüfen

Standardmäßig schließt das Fenster den aktuellen Zeitpunkt ein und den Zeitpunkt genau drei Tage zuvor aus. Um Mitternacht am 5. Mai reicht das Intervall von unmittelbar nach Mitternacht am 2. Mai bis einschließlich Mitternacht am 5. Mai. Der Messwert vom 2. Mai liegt genau auf der ausgeschlossenen Grenze, sodass nur der Wert 4 vom 5. Mai eingeht.

Am 6. Mai beginnt das Fenster unmittelbar nach dem 3. Mai und enthält die Werte 4 und 6 mit der Summe 10. Mit closed="both" schließt das Fenster des 5. Mai auch den 2. Mai ein und ergibt die Summe 7. Die Wahl der Grenze kann ein Ergebnis verändern, selbst wenn Daten und Dauer gleich bleiben.

Ein Fenster mit zwei Zeilen ergibt für diese Zeitreihe NaN, 8, 7 und 10. Am 5. Mai enthält es die vorherige Zeile vom 2. Mai. Das beantwortet „die letzten zwei Messwerte“, eine andere Frage als „die letzten drei Tage“.

Eine Mindestanzahl an Beobachtungen festlegen

Für min_periods eines Zeitfensters gilt standardmäßig 1. Die erste Beobachtung kann daher sofort ein Ergebnis liefern. s.rolling("3D").count() ergibt 1, 2, 1 und 2 Messwerte und zeigt, auf wie vielen Werten das Ergebnis jeweils beruht. Ein Mittelwert aus einem Messwert und ein Mittelwert aus vielen Messwerten sind beide gültige Berechnungen, beruhen aber auf unterschiedlich vielen Daten.

Mit min_periods=2 lauten die Summen NaN, 8, NaN, 10. Die Dauer hat sich nicht geändert; die Berechnung verlangt nun mindestens zwei nicht fehlende Beobachtungen innerhalb dieser Zeitspanne. Ein größeres Zeitintervall garantiert für sich genommen keine zusätzlichen Beobachtungen.

Feste Längen verwenden und Zeitreihen trennen

Zeitbasierte gleitende Fenster benötigen eine feste Dauer wie „30min“, „24h“ oder „7D“. Eine Monatsendregel wie „1ME“ hat eine variable Länge und kann diese Art von Fenster nicht definieren. Verwende eine angegebene feste Länge wie „30D“, wenn das die beabsichtigte Regel ist, oder aggregiere zuerst in monatliche Intervalle, wenn die Frage Kalendermonate betrifft.

Für getrennte Kundenverläufe hält df.groupby("customer").rolling("30D", on="date")["amount"].sum() die Transaktionen jedes Kunden zusammen. Die Zeiten müssen innerhalb jedes Kunden geordnet sein. Das Ergebnis fügt den Gruppenschlüssel als Indexebene hinzu, sodass erhalten bleibt, welche Zeitreihe jedes Fenster beschreibt.

Manche Fragen benötigen den gesamten bisherigen Verlauf: „Wie viel hat sich angesammelt?“ oder „Was ist der bisher höchste Wert?“. Andere sollen jüngere Beobachtungen bevorzugen, ohne die Vergangenheit abrupt zu verwerfen. Wachsende und exponentiell gewichtete Berechnungen dienen diesen unterschiedlichen Zielen.

Den Verlauf Zeile für Zeile erweitern

Für die Werte 4, 8, 6, 10 und 12 ergibt s.expanding().mean() die Werte 4, 6, 6, 7 und 8. Das vierte Ergebnis berücksichtigt alle vier Werte: Ihre Summe ist 28 und ihr Mittelwert 7. expanding().sum() ergibt 4, 12, 18, 28 und 40, genau wie cumsum() bei dieser vollständigen Zeitreihe. expanding().max() ergibt 4, 8, 8, 10 und 12, genau wie cummax().

Wachsende Fenster verlangen standardmäßig eine Beobachtung. Sie behalten jede frühere Beobachtung mit gleichem Gewicht bei. Gegen Ende einer langen Zeitreihe trägt ein neuer Wert nur einen kleinen Teil zum bisherigen Verlauf bei, daher reagiert ein kumulativer Mittelwert langsam.

Kumulative Summen können an einer Grenze neu beginnen:

ytd = df.groupby(df.index.year)["sales"].cumsum()
by_store = df.groupby("store")["sales"].cumsum()

Sortiere innerhalb des jeweiligen Verlaufs, bevor du kumulierst. Eine einfache kumulative Summe über abwechselnde Geschäfte vermischt diese.

Den Abstand unter einem kumulativen Maximum messen

Für 100, 120, 90, 110 und 130 ergibt cummax() die Werte 100, 120, 120, 120 und 130. Berechne den Drawdown mit s / s.cummax() - 1. Bei 90 ist der frühere Höchstwert von 120 der Bezugswert, daher beträgt der Drawdown −0,25, also 25 % unter dem Höchstwert. Ein Vergleich von 90 mit dem ersten Wert 100 würde eine andere Frage beantworten. Ein neuer Höchstwert hat den Drawdown null.

Jüngere Werte stärker gewichten

Ein exponentiell gewichteter gleitender Mittelwert, kurz EWMA, verringert das Gewicht älterer Werte um einen konstanten Faktor. Für den Glättungsfaktor gilt $\alpha =2\mathrm{/}(\text{span}+1)$, sodass span=3 den Wert 0,5 ergibt. Für adjust=False lautet die Aktualisierung:

Dabei ist $x_t$ die neue Beobachtung, $y_{t-1}$ der vorherige geglättete Wert und $y_t$ das aktualisierte Ergebnis. Der erste geglättete Wert entspricht der ersten Beobachtung. Danach erhält jeder neue Wert das Gewicht 0,5 und der vorherige geglättete Wert das Gewicht 0,5:

s.ewm(span=3, adjust=False).mean()

Für 4, 8, 6, 10 und 12 lauten die Ergebnisse 4, 6, 6, 8 und 10. Die letzte Aktualisierung mittelt die neue Beobachtung 12 und den vorherigen geglätteten Wert 8. Sie mittelt nicht nur die beiden jüngsten Rohwerte.

Die Einstellung für die Anpassung lesen

Die Standardeinstellung adjust=True normiert anhand der Summe der verfügbaren Gewichte. Für dieselben Daten lauten die frühen Ergebnisse 4; etwa 6,667; 6,286; 8,267 und 10,194. Dies ist eine andere Anfangsberechnung als die rekursive Form; der Unterschied nimmt ab, je mehr Verlauf verfügbar ist.

Wähle ein Argument für die Gewichtsabnahme: span, alpha, com oder halflife. Ein EWMA hat keinen festen Endpunkt, an dem eine alte Zeile plötzlich verschwindet. Ein gleitender Mittelwert hat diesen Endpunkt, während ein wachsender Mittelwert alle früheren Werte gleich gewichtet behält. Wähle danach, wie viel Einfluss jüngste Änderungen haben sollen.

Eine Uhrzeit benötigt einen Ort, um einen Zeitpunkt festzulegen. „2025-07-01 09:00“ ist ein Zeitstempel ohne Zeitzoneninformation. Durch das Hinzufügen von „Europe/Amsterdam“ erhält er Zeitzoneninformation: Im Juli hat er die Zeitverschiebung +02:00 und steht für 07:00 Uhr UTC. UTC ist die gemeinsame Zeitreferenz und kennt keine Sommerzeitumstellungen.

Die Zeitzone der Erfassung zuordnen

local = pd.Timestamp("2025-07-01 09:00")
aware = local.tz_localize("Europe/Amsterdam")

tz_localize() behält 09:00 Uhr bei und ordnet die Bedeutung der Zeitzone zu. Verwende den Ort, an dem die Uhrzeit erfasst wurde. Würde dieselbe Uhrzeit als UTC bezeichnet, beschriebe sie in diesem Beispiel einen anderen Zeitpunkt, zwei Stunden später.

Verwende IANA-Namen wie „Europe/Amsterdam“, „America/New_York“ und „Asia/Kolkata“. Benannte regionale Zeitzonen bewahren historische Zeitverschiebungen und Sommerzeitregeln. Eine feste Verschiebung von +01:00 tut das nicht. Kurze Namen sind uneinheitlich: „EST“ ist auf −05:00 festgelegt, während „CET“ saisonalen Änderungen folgt. pandas 3 verwendet die Python-Darstellung zoneinfo.

Einen bereits festgelegten Zeitpunkt umrechnen

aware.tz_convert("UTC") ergibt 07:00 Uhr UTC. Die Umrechnung desselben Zeitpunkts ergibt am 1. Juli für New York 03:00 Uhr, für Kolkata 12:30 Uhr, für Tokio 16:00 Uhr und für Sydney 17:00 Uhr. Die Uhrzeit ändert sich, der tatsächliche Zeitpunkt bleibt gleich.

Die Umrechnung eines Werts ohne Zeitzoneninformation löst einen Fehler aus, weil keine Ausgangszeitzone bekannt ist. Auch die Lokalisierung eines Werts mit Zeitzoneninformation löst einen Fehler aus; verwende dafür die Umrechnung. Verwende für Spalten .dt.tz_localize() und .dt.tz_convert(). Bei Indizes verwendest du die Methoden direkt oder die auf den Index bezogenen Methoden des DataFrames.

Text mit Zeitverschiebungen einlesen und Zeitzonen kombinieren

Ein „Z“ am Ende eines ISO-Textes bedeutet UTC. Lies Text mit unterschiedlichen Zeitverschiebungen mit utc=True ein:

raw = pd.Series(["2025-03-01 10:00+01:00",
                 "2025-04-01 10:00+02:00"])
common = pd.to_datetime(raw, utc=True)

Diese Werte werden zu 09:00 und 08:00 Uhr UTC. Rechne sie anschließend für lokale Berichte in eine regionale Zeitzone um. Das Einlesen gemischter Zeitverschiebungen ohne utc=True löst in pandas 3 einen Fehler aus.

Zwei Series mit Zeitzoneninformation werden anhand tatsächlicher Zeitpunkte ausgerichtet, selbst wenn ihre Zeitzonenbezeichnungen unterschiedlich sind. Amsterdamer Messwerte um 09:00 und 10:00 Uhr und Londoner Messwerte um 08:00 und 09:00 Uhr im Juli beziehen sich auf übereinstimmende Zeitpunkte. Ihr Rechenergebnis verwendet UTC-Bezeichnungen. Ordnungsvergleiche zwischen Zeitstempeln ohne und mit Zeitzoneninformation schlagen fehl; der Gleichheitsvergleich ergibt falsch.

Eine Zeitzone bewusst entfernen

tz_convert(None) drückt einen Wert mit Zeitzoneninformation zuerst in UTC aus und entfernt dann die Zeitzone. Aus 09:00 Uhr in Amsterdam werden im Juli 07:00 Uhr ohne Zeitzoneninformation. tz_localize(None) entfernt die Zeitzone und behält 09:00 Uhr ohne Zeitzoneninformation bei. Dies sind unterschiedliche Ausgaben. Bewahre Berechnungsdaten mit Zeitzoneninformation in UTC auf und rechne sie vor Berichten oder der Gruppierung nach einem lokalen Tag um.

Lokale Uhren können eine Stunde überspringen oder wiederholen. Diese Umstellungen beeinflussen das Einlesen, verstrichene Zeitdauern und Tagessummen. Benannte Zeitzonen ermöglichen pandas, die tatsächlichen Zeitpunkte hinter lokalen Uhrzeiten zu unterscheiden.

Eine übersprungene Ortszeit erkennen

Amsterdam stellte am 30. März 2025 von 02:00 auf 03:00 Uhr vor. Die Uhrzeit 02:30 Uhr kam nie vor. Ihre Lokalisierung ohne Regel löst einen Fehler aus:

pd.Timestamp("2025-03-30 02:30").tz_localize(
    "Europe/Amsterdam", nonexistent="shift_forward"
)

Das Ergebnis ist 03:00+02:00, die erste gültige Zeit nach der Lücke. nonexistent="NaT" hält das Problem als fehlenden Wert fest. "shift_backward" verschiebt auf den letzten gültigen Zeitpunkt vor der Lücke. Das Verschieben eines Datensatzes ändert seinen Zeitstempel, bewahre daher die ursprüngliche Eingabe auf und dokumentiere die gewählte Regel in der Analyse.

Zwei wiederholte Uhrzeiten unterscheiden

Am 26. Oktober 2025 stellte Amsterdam von 03:00 auf 02:00 Uhr zurück. Die lokale Uhrzeit 02:30 Uhr trat einmal mit der Zeitverschiebung +02:00 und einmal mit +01:00 auf. In UTC liegen sie eine Stunde auseinander.

ambiguous=True wählt das Auftreten in der Sommerzeit; ambiguous=False wählt die Normalzeit. ambiguous="NaT" markiert eine ungeklärte Uhrzeit als fehlend. Eine boolesche Liste kann die Wahl je Zeile treffen. ambiguous="infer" kann eine geordnete Folge mit der wiederholten Stunde nutzen, etwa 01:30, 02:00, 02:30, 02:00, 02:30, 03:00. Eine einzelne wiederholte Uhrzeit liefert nicht genügend Hinweise aus der Reihenfolge, um das gemeinte Auftreten zu ermitteln.

Stunden im lokalen Tag zählen

Der Tag der Frühjahrsumstellung hat 23 Stunden und der Tag der Herbstumstellung 25. Eine vollständige stündliche Zeitreihe hat daher beim Resampling auf lokale Tage unterschiedliche Anzahlen. Um den durchschnittlichen stündlichen Energieverbrauch anzugeben, dividiere eine Tagessumme durch die tatsächliche Anzahl gültiger Stundenmesswerte oder bilde deren Mittelwert. Jede Summe durch 24 zu dividieren, stellt die Umstellungstage falsch dar.

Auch ein unvollständiger Datensatz kann verkürzte Intervalle erzeugen. Eine UTC-Zeitreihe, die am 29. März um 00:00 Uhr beginnt, beginnt in Amsterdam um 01:00 Uhr, sodass ihrem ersten lokalen Tag schon vor dem Umstellungstag Mitternacht fehlt. Prüfe sowohl die Berichtsgrenzen als auch die Zeitzonenregeln.

Gleiche Uhrzeit und gleiche verstrichene Zeit unterscheiden

t = pd.Timestamp("2025-03-29 12:00", tz="Europe/Amsterdam")
t + pd.offsets.Day(1)       # March 30 at 12:00
t + pd.Timedelta(days=1)    # March 30 at 13:00

Der Kalenderoffset behält 12:00 Uhr bei und überbrückt nur 23 verstrichene Stunden. Das Timedelta addiert 24 Stunden. Im Herbst kann ein lokaler Kalendertag dagegen 25 verstrichene Stunden enthalten.

Vor dem Gruppieren die Berichtszeitzone wählen

Resampling folgt der Zeitzone des Index. Um den Verbrauch nach Amsterdamer Ortsdatum zu summieren, rechne zuerst einen UTC-Index mit Zeitzoneninformation in „Europe/Amsterdam“ um und führe dann Resampling auf „D“ durch. Resampling zuerst in UTC erzeugt andere Tagesgrenzen, die sich nicht allein durch eine neue Bezeichnung des Ergebnisses korrigieren lassen.

Umstellungsdaten unterscheiden sich je nach Region: New York stellte 2025 am 9. März und 2. November um; in Sydney endete die Sommerzeit am 6. April und begann am 5. Oktober. Tokio und Kolkata haben keine Sommerzeitumstellungen. Bewahre Rohzeitpunkte in UTC auf und verwende für Kalenderberichte die benannte lokale Zeitzone.