快捷導(dǎo)航

Pandas時間數(shù)據(jù)處理詳細(xì)教程

更新時間：2023年01月29日 09:33:33 作者：胡桃の壺

日常工作中日期格式有多種表達形式,比如年份開頭或是月份開頭2022/6/4、6/4/2022等,通過pandas的日期數(shù)據(jù)處理,這篇文章主要給大家介紹了關(guān)于Pandas時間數(shù)據(jù)處理的相關(guān)資料,需要的朋友可以參考下

轉(zhuǎn)化時間類型

to_datetime()方法

to_datetime()方法支持將 int, float, str, datetime, list, tuple, 1-d array, Series, DataFrame/dict-like 類型的數(shù)據(jù)轉(zhuǎn)化為時間類型

import pandas as pd

# str ---> 轉(zhuǎn)化為時間類型:
ret = pd.to_datetime('2022-3-9')
print(ret)
print(type(ret))
"""
2022-03-09 00:00:00
<class 'pandas._libs.tslibs.timestamps.Timestamp'>   ---pandas中默認(rèn)支持的時間點的類型
"""

# 字符串的序列 --->轉(zhuǎn)化成時間類型：
ret = pd.to_datetime(['2022-3-9', '2022-3-8', '2022-3-7', '2022-3-6'])
print(ret)
print(type(ret))  
"""
DatetimeIndex(['2022-03-09', '2022-03-08', '2022-03-07', '2022-03-06'], dtype='datetime64[ns]', freq=None)
<class 'pandas.core.indexes.datetimes.DatetimeIndex'> ----pandas中默認(rèn)支持的時間序列的類型
"""
# dtype = 'datetime64[ns]' ----> numpy中的時間數(shù)據(jù)類型！

DatetimeIndex()方法

DatetimeIndex()方法支持將一維類數(shù)組（ array-like (1-dimensional) ）轉(zhuǎn)化為時間序列

# pd.DatetimeIndex 將 字符串序列 轉(zhuǎn)化為 時間序列
ret = pd.DatetimeIndex(['2022-3-9', '2022-3-8', '2022-3-7', '2022-3-6'])
print(ret)
print(type(ret))
"""
DatetimeIndex(['2022-03-09', '2022-03-08', '2022-03-07', '2022-03-06'], dtype='datetime64[ns]', freq=None)
<class 'pandas.core.indexes.datetimes.DatetimeIndex'>
"""

生成時間序列

使用date_range()方法可以生成時間序列。

時間序列一般不會主動生成，往往是在發(fā)生某個事情的時候，同時記錄一下發(fā)生的時間！

ret = pd.date_range(
    start='2021-10-1',  # 開始點
    # end='2022-1-1',  # 結(jié)束點
    periods=5,  # 生成的元素的個數(shù) 和結(jié)束點只需要出現(xiàn)一個即可！
    freq='W',  # 生成數(shù)據(jù)的步長或者頻率, W表示W(wǎng)eek(星期)
)
print(ret)
"""
DatetimeIndex(['2021-10-03', '2021-10-10', '2021-10-17', '2021-10-24', '2021-10-31'],
              dtype='datetime64[ns]', freq='W-SUN')
"""

提取時間屬性

使用如下數(shù)據(jù)作為初始數(shù)據(jù)（type：<class ‘pandas.core.frame.DataFrame’>）：

# 轉(zhuǎn)化為 pandas支持的時間序列之后再提取時間屬性！
data.loc[:, 'time_list'] = pd.to_datetime(data.loc[:, 'time_list'])

# 可以通過列表推導(dǎo)式來獲取時間屬性
# 年月日
data['year'] =  [tmp.year for tmp in data.loc[:, 'time_list']]
data['month'] = [tmp.month for tmp in data.loc[:, 'time_list']]
data['day'] =   [tmp.day for tmp in data.loc[:, 'time_list']]
# 時分秒
data['hour'] =   [tmp.hour for tmp in data.loc[:, 'time_list']]
data['minute'] = [tmp.minute for tmp in data.loc[:, 'time_list']]
data['second'] = [tmp.second for tmp in data.loc[:, 'time_list']]
# 日期
data['date'] = [tmp.date() for tmp in data.loc[:, 'time_list']]
# 時間
data['time'] = [tmp.time() for tmp in data.loc[:, 'time_list']]
print(data)

# 一年中的第多少周
data['week'] = [tmp.week for tmp in data.loc[:, 'time_list']]

# 一周中的第多少天
data['weekday'] = [tmp.weekday() for tmp in data.loc[:, 'time_list']]

# 季度
data['quarter'] = [tmp.quarter for tmp in data.loc[:, 'time_list']]

# 一年中的第多少周 ---和week是一樣的
data['weekofyear'] = [tmp.weekofyear for tmp in data.loc[:, 'time_list']]

# 一周中的第多少天 ---和weekday是一樣的
data['dayofweek'] = [tmp.dayofweek for tmp in data.loc[:, 'time_list']]

# 一年中第 多少天
data['dayofyear'] = [tmp.dayofyear for tmp in data.loc[:, 'time_list']]

# 周幾		---返回英文全拼
data['day_name'] = [tmp.day_name() for tmp in data.loc[:, 'time_list']]

# 是否為 閏年	---返回bool類型
data['is_leap_year'] = [tmp.is_leap_year for tmp in data.loc[:, 'time_list']]

print('data:\n', data)

dt屬性

Pandas還有dt屬性可以提取時間屬性。

data['year'] = data.loc[:, 'time_list'].dt.year
data['month'] = data.loc[:, 'time_list'].dt.month
data['day'] = data.loc[:, 'time_list'].dt.day

print('data:\n', data)

計算時間間隔

# 計算時間間隔！
ret = pd.to_datetime('2022-3-9 10:08:00') - pd.to_datetime('2022-3-8')
print(ret)  		# 1 days 10:08:00
print(type(ret))  	# <class 'pandas._libs.tslibs.timedeltas.Timedelta'>
print(ret.days)		# 1

計算時間推移

配合Timedelta()方法可計算時間推移

Timedelta 中支持的參數(shù) weeks, days, hours, minutes, seconds, milliseconds, microseconds, nanoseconds

res = pd.to_datetime('2022-3-9 10:08:00') + pd.Timedelta(weeks=5)
print(res)						# 2022-04-13 10:08:00
print(type(res))				# <class 'pandas._libs.tslibs.timestamps.Timestamp'>
print(pd.Timedelta(weeks=5))	# 35 days 00:00:00

獲取當(dāng)前機器的支持的最大時間和最小時間

# 獲取當(dāng)前機器的支持的最大時間和 最小時間
print('max :',pd.Timestamp.max)
print('min :',pd.Timestamp.min)
"""
max : 2262-04-11 23:47:16.854775807
min : 1677-09-21 00:12:43.145225
"""