在您需要得出一些重要结论的情况下，您必须从给定数据中提取一些统计信息。均值、方差、相关性、最大值和最小值就是这样的一些统计信息。如果您想从给定的时间序列数据中提取此类统计信息，可以使用以下代码：

均值

您可以使用 mean () 函数来查找均值，如下所示：

timeseries.mean()

然后，您将观察到我们讨论的示例的输出为：

-0.11143128165238671

最大值

您可以使用 max () 函数来查找最大值，如下所示：

timeseries.max()

然后，您将观察到我们讨论的示例的输出为：

3.4952999999999999

最小值

您可以使用 min () 函数来查找最小值，如下所示：

timeseries.min()

然后，您将观察到我们讨论的示例的输出为：

-4.2656999999999998

一次性获取所有统计信息

如果您想一次性计算所有统计信息，可以使用 describe () 函数，如下所示：

timeseries.describe()

然后，您将观察到我们讨论的示例的输出为：

count   817.000000
mean     -0.111431
std       1.003151
min      -4.265700
25%      -0.649430
50%      -0.042744
75%       0.475720
max       3.495300
dtype: float64

重采样

您可以将数据重采样到不同的时间频率。执行重采样的两个参数是：

• 时间段
• 方法

使用 mean () 进行重采样

您可以使用以下代码通过 mean () 方法对数据进行重采样，这是默认方法：

timeseries_mm = timeseries.resample("A").mean()
timeseries_mm.plot(style='g--')
plt.show()

然后，您可以观察到如下所示的图表作为使用 mean () 重采样的输出：

使用 median () 进行重采样

您可以使用以下代码通过 median () 方法对数据进行重采样：

timeseries_mm = timeseries.resample("A").median()
timeseries_mm.plot()
plt.show()

然后，您可以观察到如下所示的图表作为使用 median () 重采样的输出：

滚动均值

您可以使用以下代码计算滚动（移动）均值：

timeseries.rolling(window=12, center=False).mean().plot(style='-g')
plt.show()

然后，您可以观察到如下所示的图表作为滚动（移动）均值的输出：