python+pandas+時(shí)間、日期以及時(shí)間序列處理方法
先簡單的了解下日期和時(shí)間數(shù)據(jù)類型及工具
python標(biāo)準(zhǔn)庫包含于日期（date）和時(shí)間（time）數(shù)據(jù)的數(shù)據(jù)類型，datetime、time以及calendar模塊會(huì)被經(jīng)常用到。
datetime以毫秒形式存儲(chǔ)日期和時(shí)間，datetime.timedelta表示兩個(gè)datetime對(duì)象之間的時(shí)間差。
給datetime對(duì)象加上或減去一個(gè)或多個(gè)timedelta，會(huì)產(chǎn)生一個(gè)新的對(duì)象
from datetime import datetime from datetime import timedelta now = datetime.now() now datetime.datetime(2017, 6, 27, 15, 56, 56, 167000) datetime參數(shù)：datetime(year, month, day[, hour[, minute[, second[, microsecond[,tzinfo]]]]]) delta = now - datetime(2017,6,27,10,10,10,10) delta datetime.timedelta(0, 20806, 166990) delta.days 0 delta.seconds 20806 delta.microseconds 166990
只有這三個(gè)參數(shù)了！
datetime模塊中的數(shù)據(jù)類型
| 類型 | 說明 |
|---|---|
| date | 以公歷形式存儲(chǔ)日歷日期（年、月、日） |
| time | 將時(shí)間存儲(chǔ)為時(shí)、分、秒、毫秒 |
| datetime | 存儲(chǔ)日期和時(shí)間 |
| timedelta | 表示兩個(gè)datetime值之間的差（日、秒、毫秒） |
字符串和datetime的相互轉(zhuǎn)換
1）python標(biāo)準(zhǔn)庫函數(shù)
日期轉(zhuǎn)換成字符串：利用str 或strftime
字符串轉(zhuǎn)換成日期：datetime.strptime
stamp = datetime(2017,6,27)
str(stamp)
'2017-06-27 00:00:00'
stamp.strftime('%y-%m-%d')#%Y是4位年，%y是2位年
'17-06-27'
#對(duì)多個(gè)時(shí)間進(jìn)行解析成字符串
date = ['2017-6-26','2017-6-27']
datetime2 = [datetime.strptime(x,'%Y-%m-%d') for x in date]
datetime2
[datetime.datetime(2017, 6, 26, 0, 0), datetime.datetime(2017, 6, 27, 0, 0)]
2）第三方庫dateutil.parser的時(shí)間解析函數(shù)
from dateutil.parser import parse
parse('2017-6-27')
datetime.datetime(2017, 6, 27, 0, 0)
parse('27/6/2017',dayfirst =True)
datetime.datetime(2017, 6, 27, 0, 0)
3）pandas處理成組日期
pandas通常用于處理成組日期，不管這些日期是DataFrame的軸索引還是列，to_datetime方法可以解析多種不同的日期表示形式。
date ['2017-6-26', '2017-6-27'] import pandas as pd pd.to_datetime(date) DatetimeIndex(['2017-06-26', '2017-06-27'], dtype='datetime64[ns]', freq=None)
datetime 格式定義
| 代碼 | 說明 |
|---|---|
| %Y | 4位數(shù)的年 |
| %y | 2位數(shù)的年 |
| %m | 2位數(shù)的月[01,12] |
| %d | 2位數(shù)的日[01，31] |
| %H | 時(shí)（24小時(shí)制）[00,23] |
| %l | 時(shí)（12小時(shí)制）[01,12] |
| %M | 2位數(shù)的分[00,59] |
| %S | 秒[00,61]有閏秒的存在 |
| %w | 用整數(shù)表示的星期幾[0（星期天），6] |
| %F | %Y-%m-%d簡寫形式例如，2017-06-27 |
| %D | %m/%d/%y簡寫形式 |
pandas時(shí)間序列基礎(chǔ)以及時(shí)間、日期處理
pandas最基本的時(shí)間序列類型就是以時(shí)間戳（時(shí)間點(diǎn)）（通常以python字符串或datetime對(duì)象表示）為索引的Series：
dates = ['2017-06-20','2017-06-21',\ '2017-06-22','2017-06-23','2017-06-24','2017-06-25','2017-06-26','2017-06-27'] import numpy as np ts = pd.Series(np.random.randn(8),index = pd.to_datetime(dates)) ts 2017-06-20 0.788811 2017-06-21 0.372555 2017-06-22 0.009967 2017-06-23 -1.024626 2017-06-24 0.981214 2017-06-25 0.314127 2017-06-26 -0.127258 2017-06-27 1.919773 dtype: float64 ts.index DatetimeIndex(['2017-06-20', '2017-06-21', '2017-06-22', '2017-06-23', '2017-06-24', '2017-06-25', '2017-06-26', '2017-06-27'], dtype='datetime64[ns]', freq=None)
pandas不同索引的時(shí)間序列之間的算術(shù)運(yùn)算會(huì)自動(dòng)按日期對(duì)齊
ts[::2]#從前往后每隔兩個(gè)取數(shù)據(jù) 2017-06-20 0.788811 2017-06-22 0.009967 2017-06-24 0.981214 2017-06-26 -0.127258 dtype: float64 ts[::-2]#從后往前逆序每隔兩個(gè)取數(shù)據(jù) 2017-06-27 1.919773 2017-06-25 0.314127 2017-06-23 -1.024626 2017-06-21 0.372555 dtype: float64 ts + ts[::2]#自動(dòng)數(shù)據(jù)對(duì)齊 2017-06-20 1.577621 2017-06-21 NaN 2017-06-22 0.019935 2017-06-23 NaN 2017-06-24 1.962429 2017-06-25 NaN 2017-06-26 -0.254516 2017-06-27 NaN dtype: float64
索引為日期的Series和DataFrame數(shù)據(jù)的索引、選取以及子集構(gòu)造
方法：
1）.index[number_int]
2)[一個(gè)可以被解析為日期的字符串]
3）對(duì)于，較長的時(shí)間序列，只需傳入‘年'或‘年月'可返回對(duì)應(yīng)的數(shù)據(jù)切片
4）通過時(shí)間范圍進(jìn)行切片索引
ts 2017-06-20 0.788811 2017-06-21 0.372555 2017-06-22 0.009967 2017-06-23 -1.024626 2017-06-24 0.981214 2017-06-25 0.314127 2017-06-26 -0.127258 2017-06-27 1.919773 dtype: float64 ts[ts.index[2]] 0.0099673896063391908 ts['2017-06-21']#傳入可以被解析成日期的字符串 0.37255538918121028 ts['21/06/2017'] 0.37255538918121028 ts['20170621'] 0.37255538918121028 ts['2017-06']#傳入年或年月 2017-06-20 0.788811 2017-06-21 0.372555 2017-06-22 0.009967 2017-06-23 -1.024626 2017-06-24 0.981214 2017-06-25 0.314127 2017-06-26 -0.127258 2017-06-27 1.919773 dtype: float64 ts['2017-06-20':'2017-06-23']#時(shí)間范圍進(jìn)行切片 2017-06-20 0.788811 2017-06-21 0.372555 2017-06-22 0.009967 2017-06-23 -1.024626 dtype: float64
帶有重復(fù)索引的時(shí)間序列
1）.index.is_unique檢查索引日期是否是唯一的
2）對(duì)非唯一時(shí)間戳的數(shù)據(jù)進(jìn)行聚合，通過groupby，并傳入level = 0（索引的唯一一層）
dates = pd.DatetimeIndex(['2017/06/01','2017/06/02','2017/06/02','2017/06/02','2017/06/03']) dates DatetimeIndex(['2017-06-01', '2017-06-02', '2017-06-02', '2017-06-02', '2017-06-03'], dtype='datetime64[ns]', freq=None) dup_ts = pd.Series(np.arange(5),index = dates) dup_ts 2017-06-01 0 2017-06-02 1 2017-06-02 2 2017-06-02 3 2017-06-03 4 dtype: int32 dup_ts.index.is_unique False dup_ts['2017-06-02'] 2017-06-02 1 2017-06-02 2 2017-06-02 3 dtype: int32 grouped = dup_ts.groupby(level=0).mean() grouped 2017-06-01 0 2017-06-02 2 2017-06-03 4 dtype: int32 dup_df = pd.DataFrame(np.arange(10).reshape((5,2)),index = dates ) dup_df
| 0 | 1 | |
|---|---|---|
| 2017-06-01 | 0 | 1 |
| 2017-06-02 | 2 | 3 |
| 2017-06-02 | 4 | 5 |
| 2017-06-02 | 6 | 7 |
| 2017-06-03 | 8 | 9 |
grouped_df = dup_df.groupby(level=0).mean()##針對(duì)DataFrame grouped_df
| 0 | 1 | |
|---|---|---|
| 2017-06-01 | 0 | 1 |
| 2017-06-02 | 4 | 5 |
| 2017-06-03 | 8 | 9 |
總結(jié)
該篇博客主要內(nèi)容：
1）字符串、日期的轉(zhuǎn)換方法
2）日期和時(shí)間的主要python，datetime、timedelta、pandas.to_datetime等
3）以時(shí)間為索引的Series和DataFrame的索引、切片
4）帶有重復(fù)時(shí)間索引時(shí)的索引，.groupby(level=0)應(yīng)用
以上這篇python+pandas+時(shí)間、日期以及時(shí)間序列處理方法就是小編分享給大家的全部內(nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。
相關(guān)文章
Python+OpenCV實(shí)現(xiàn)車牌字符分割和識(shí)別
這篇文章主要為大家詳細(xì)介紹了Python+OpenCV實(shí)現(xiàn)車牌字符分割和識(shí)別，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2018-03-03
這篇文章主要介紹了Django auth 應(yīng)用模塊,auth 模塊幫助開發(fā)人員提高了工作效率，因?yàn)槊總€(gè) Web 站點(diǎn)的權(quán)限管理模塊或者用戶管理模塊基本都是相同的邏輯，Django 的 auth 模塊使開發(fā)者們不必在為一些重復(fù)性的邏輯進(jìn)行構(gòu)建，需要的朋友可以參考下2022-11-11
Python pydotplus安裝及可視化圖形創(chuàng)建教程
這篇文章主要為大家介紹了Python pydotplus安裝及可視化圖形創(chuàng)建教程示例詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪2023-10-10
Python中axis=0與axis=1指的方向有什么不同詳解
對(duì)數(shù)據(jù)進(jìn)行操作時(shí),經(jīng)常需要在橫軸方向或者數(shù)軸方向?qū)?shù)據(jù)進(jìn)行操作,這時(shí)需要設(shè)定參數(shù)axis的值,下面這篇文章主要給大家介紹了關(guān)于Python中axis=0與axis=1指的方向有什么不同的相關(guān)資料,需要的朋友可以參考下2024-01-01
解決Jupyter Notebook “signal only works&nb
這篇文章主要介紹了解決Jupyter Notebook “signal only works in main thread“問題，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2023-01-01
談?wù)勅绾问謩?dòng)釋放Python的內(nèi)存
Python不會(huì)自動(dòng)清理這些內(nèi)存，這篇文章主要介紹了談?wù)勅绾问謩?dòng)釋放Python的內(nèi)存，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下。2016-12-12
在tensorflow中設(shè)置使用某一塊GPU、多GPU、CPU的操作
今天小編就為大家分享一篇在tensorflow中設(shè)置使用某一塊GPU、多GPU、CPU的操作，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2020-02-02
selenium+python自動(dòng)化測試環(huán)境搭建步驟
在本文中小編給大家分享了關(guān)于selenium+python自動(dòng)化測試環(huán)境搭建的相關(guān)步驟以及知識(shí)點(diǎn)內(nèi)容，需要的朋友們參考學(xué)習(xí)下。2019-06-06
PyPDF2讀取PDF文件內(nèi)容保存到本地TXT實(shí)例
這篇文章主要介紹了PyPDF2讀取PDF文件內(nèi)容保存到本地TXT實(shí)例，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2020-05-05
使用python批量化音樂文件格式轉(zhuǎn)換的實(shí)例
今天小編就為大家分享一篇使用python批量化音樂文件格式轉(zhuǎn)換的實(shí)例，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2019-01-01