前言

一般從數(shù)據(jù)庫(kù)或者是從日志文件讀出的數(shù)據(jù)均帶有時(shí)間序列，做時(shí)序數(shù)據(jù)處理或者實(shí)時(shí)分析都需要對(duì)其時(shí)間序列進(jìn)行歸類歸檔。而Pandas是處理這些數(shù)據(jù)很好用的工具包。此篇博客基于Jupyter之上進(jìn)行演示，本篇博客的愿景是希望我或者讀者通過(guò)閱讀這篇博客能夠?qū)W會(huì)方法并能實(shí)際運(yùn)用。希望讀者看完能夠提出問(wèn)題或者看法，博主會(huì)長(zhǎng)期維護(hù)博客做及時(shí)更新。純分享，希望大家喜歡。

一、獲取時(shí)間

python自帶datetime庫(kù)，通過(guò)調(diào)用此庫(kù)可以獲取本地時(shí)間

from datetime import datetime
datetime.now()

 同時(shí)也可以獨(dú)立獲取年月日：

datetime.now().day
datetime.now().year
datetime.now().moth

 isoweekday()獲取符合ISO標(biāo)準(zhǔn)的指定日期所在的星期數(shù)：

datetime.now().isoweekday()

為星期二。

但也有weekeday()方法但是是從0開(kāi)始，也就是說(shuō)0也就是周一，需要加一轉(zhuǎn)為周數(shù)：

datetime.now().weekday()+1

 datetime可以將日期(date)和時(shí)間(time)分隔開(kāi)：

datetime.now().date()

datetime.now().time()

也可以用timetuple()函數(shù)將整個(gè)時(shí)間拆分為結(jié)構(gòu)體：

datetime.now().timetuple()

 要轉(zhuǎn)換為自定義熟悉的時(shí)間表達(dá)可以使用strftime()函數(shù)，其輸出代碼格式有以下幾種：

datetime.now().strftime('%Y-%m-%d')

datetime.now().strftime('%m/%d/%Y %H:%M:%S')

二、時(shí)間索引

時(shí)間索引是根據(jù)數(shù)據(jù)的時(shí)間來(lái)處理時(shí)序數(shù)據(jù)進(jìn)行歸檔篩選的一種索引方式。

展示數(shù)據(jù)：

首先查看類型是否為 datetime類型，是該類型再重新設(shè)定索引，否則需要先把索引時(shí)間列轉(zhuǎn)換為datetime類型再進(jìn)行設(shè)定。

df1.set_index('first_order_time')

 若要查找2019年的數(shù)據(jù)，只需要在 后面加上日期即可：

df1['2019']

想要獲取詳細(xì)的日期的數(shù)據(jù)只需要在[]里面輸入對(duì)應(yīng)的日期即可：

df1['2019-05-13']

獲取區(qū)間日期數(shù)據(jù)：

df1['2019-05-01':'2019-05-13']

三、時(shí)間推移

 如果時(shí)序數(shù)據(jù)提取出來(lái)時(shí)間并不符合對(duì)應(yīng)時(shí)間戳，則可以使用timedelta進(jìn)行推移時(shí)間：

timedelta類表示為時(shí)間差，可直接實(shí)例化也可以由兩個(gè)datetime進(jìn)行相減操作得到。

可表示的時(shí)間差依次為：

days,seconds,microseconds,minutes,hours,weeks

 如我們要推移一天時(shí)間：

date = datetime(2019,5,10)
date+timedelta(days = 1)

 往后推移只需要減去對(duì)應(yīng)天數(shù)就好了。

比起timedelta，有date offset可以直接進(jìn)行時(shí)間推移，并不需要換算，效率比timedelta要快很多。

引入庫(kù)：

from pandas.tseries.offsets import Day,Hour,Minute
date+Day(1)

計(jì)算結(jié)果為timestamp： 

到此這篇關(guān)于Pandas處理時(shí)間序列數(shù)據(jù)操作詳解的文章就介紹到這了,更多相關(guān)Pandas時(shí)間序列內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論