不管在哪个领域（金融学、经济学、生态学、神经科学、物理学等），时间序列数据都是重要的结构化数据形式。

很多时间序列是固定频率的，但也可以不是定期的。时间序列数据的意义取决于具体的应用场景，主要有：

• 时间戳（timestamp）：特定时刻

• 固定时期（period），如2007年1月或2010年全年

• 时间间隔（interval），由起始和结束时间戳表示。时期（period）可以被视作间隔的特例

• 实验或过程时间：每个时间点都是相对于特定起始时间的一个度量。亏如，从放入烤箱开始，每秒钟饼干的直径

pandas提供一组标准的时间序列处理工具和数据算法，可以高效处理非常大的时间序列，轻松进行切片/切块、聚合、对定期/不定期

的时间序列进行重采样等。这些工具对金融和经济数据尤为有用，但也可以用来分析服务器日志数据。