一、前言

環(huán)境：
windows11 64位
Python3.9
MySQL8
pandas1.4.2

本文主要介紹 MySQL 中的日期函數(shù)date_add()/date_sub()、date_format()、year()/month()/day()/hour()/minute()/second()、datediff()、datepart()、from_unixtime()、unix_timestamp()如何使用pandas實現(xiàn)，同時二者又有什么區(qū)別。

注：Python是很靈活的語言，達成同一個目標或有多種途徑，我提供的只是其中一種解決方法，大家有其他的方法也歡迎留言討論。

二、語法對比

數(shù)據(jù)表

本次使用的數(shù)據(jù)如下。
使用 Python 構建該數(shù)據(jù)集的語法如下：

import pandas as pd
import numpy as np

df1 = pd.DataFrame({ 'col1' : list(range(1,7))
                    ,'col2' : ['AA','AA','AA','BB','AA','BB']#list('AABCA')
                    ,'col3' : ['2022-01-01','2022-01-01','2022-01-02','2022-01-02','2022-01-03','2022-01-03']
                    ,'col4' : ['2022-02-01','2022-01-21','2022-01-23','2022-01-12','2022-02-03','2022-01-05']
                    ,'col5' : [1643673600,1642723200,1642896000,1641945600,1643846400,1641340800]
                   })
df1['col3'] = pd.to_datetime(df1.col3)
df1['col4'] = pd.to_datetime(df1.col4)
df1

注：直接將代碼放 jupyter 的 cell 跑即可。后文都直接使用df1調(diào)用對應的數(shù)據(jù)。

使用 MySQL 構建該數(shù)據(jù)集的語法如下：

with t1 as(
  select  1 as col1, 'AA' as col2, '2022-01-01' as col3, '2022-02-01' as col4, 1643673600 as col5 union all
  select  2 as col1, 'AA' as col2, '2022-01-01' as col3, '2022-01-21' as col4, 1642723200 as col5 union all
  select  3 as col1, 'AA' as col2, '2022-01-02' as col3, '2022-01-23' as col4, 1642896000 as col5 union all
  select  4 as col1, 'BB' as col2, '2022-01-02' as col3, '2022-01-12' as col4, 1641945600 as col5 union all
  select  5 as col1, 'AA' as col2, '2022-01-03' as col3, '2022-02-03' as col4, 1643846400 as col5 union all
  select  6 as col1, 'BB' as col2, '2022-01-03' as col3, '2022-01-05' as col4, 1641340800 as col5 
)
select * from t1;

注：直接將代碼放 MySQL 代碼運行框跑即可。后文跑 SQL 代碼時，默認帶上數(shù)據(jù)集（代碼的1~8行），僅展示查詢語句，如第9行。

對應關系如下：

date_add()/date_sub()

時間的加減，在 MySQL 中，使用的是date_add()/date_sub()來實現(xiàn)，二者可以替換使用，只要對相加/減的時間加上負號即可（詳見后面例子）。
而在 Pandas 中，可以通過Timedelta()或DateOffset()實現(xiàn)，二者有差異，如果是針對月份和年度計算差值，只能使用后者；如果是計算日、時、分、秒，則二者通用。
時間范圍對應的語法參數(shù)見下表：

1、增加1天

MySQL 增加 1 天，可以使用date_add()+1 day或者用date_sub()-1 day。
Pandas 中，可以使用 DateFrame 時間列直接加上pd.Timedelta(days=1)或者pd.DateOffset(days=1)。

語言	Python	MySQL
代碼	【Python1】 df1.col3 + pd.Timedelta(days=1) 【Python2】 df1.col3 + pd.DateOffset(days=1)	【MySQL1】 select date_add(t1.col3,interval 1 day) as col3_1 from t1; 【MySQL2】 select date_sub(t1.col3,interval -1 day) as col3_1 from t1;
結果

2、減掉1天

語言	Python	MySQL
代碼	【Python1】 df1.col3 + pd.Timedelta(days=-1) 【Python2】 df1.col3 + pd.DateOffset(days=-1)	【MySQL1】 select date_add(t1.col3,interval -1 day) as col3_1 from t1; 【MySQL2】 select date_sub(t1.col3,interval 1 day) as col3_1 from t1;
結果

datediff()

計算時間的差值，在 MySQL 中，使用datediff(<被減數(shù)>,<減數(shù)>)（即<被減數(shù)>-<減數(shù)>）實現(xiàn)；而在 Pandas 中，操作相對簡單，兩個 Series 相減即可。但是相減之后的數(shù)據(jù)類型是timedelta64[ns]，如果要用于比較大小，或需要轉化為整數(shù)，將timedelta64[ns]的數(shù)值提取出來，提取數(shù)值可以使用其屬性days并借助apply()實現(xiàn)，具體代碼邏輯見以下例子。

語言	Python	MySQL
代碼	(df1.col4-df1.col3).apply(lambda x:x.days)	select datediff(col4,col3) as diff from t1;
結果

date_format()

格式設置，在 MySQL 中，使用date_format()，在 Python 中，使用strftime()，二者都是將時間類型轉化為字符串類型。標識符有一點差異，前者的分使用%i，秒使用%s，而后者分使用%M，秒使用%S。
具體格式參考下表：

格式化為：年份-月份
MySQL 直接使用date_format(列,"<格式符號>")函數(shù)套用即可；而 Python 中，由于strftime('<格式符號>')是作用于時間類型，而df1.col3是 Series 類型，所以需要使用apply()來輔助處理每一個值（如下 Python 代碼）。

語言	Python	MySQL
代碼	df1.col3.apply(lambda x:x.strftime(‘%Y-%m’))	select date_format(t1.col3,‘%Y-%m’) as col3_1 from t1;
結果

year()/month()/day()/hour()/minute()/second()

取時間的某一部分（如：年、月、日、時、分、秒），在 MySQL 中，直接使用對應的函數(shù)作用于字段即可。
在 Python 中，時間類型的值也有對應的屬性可以獲取到對應的值，同樣地，由于df1.col3是 Series 類型，所以需要使用apply()來輔助處理每一個值（如下 Python 代碼）。

語言	Python	MySQL
代碼	df_timepart = pd.concat([ df1.col4.apply(lambda x:x.year) ,df1.col4.apply(lambda x:x.month) ,df1.col4.apply(lambda x:x.day) ,df1.col4.apply(lambda x:x.hour) ,df1.col4.apply(lambda x:x.minute) ,df1.col4.apply(lambda x:x.second) ],axis=1 ) df_timepart.columns=[‘year’,‘month’,‘day’,‘hour’,‘minute’,‘second’] df_timepart	select year(col4),month(col4),day(col4),hour(col4),minute(col4),second(col4) from t1;
結果

from_unixtime()/unix_timestamp()

使用時間戳時，需要特別注意：pandas 采用的是 零時區(qū)的時間，MySQL 會默認當?shù)貢r間，北京時間采用的是東八區(qū)，所以北京的時間會比零時區(qū)早8小時，也就是說，同一個時間戳，北京時間會比零時區(qū)時間多8小時，如：1577836800，轉化為北京時間是【2020-01-01 08:00:00】，轉化為零時區(qū)時間為【2020-01-01 00:00:00】。

1、時間戳轉時間
時間戳轉時間，在 MySQL 中，通過from_unixtime()函數(shù)直接作用于列即可，還可以指定時間格式，格式化字符參考date_format()中的表格。
在 Pandas 中，通過to_datetime()實現(xiàn)，注意需要指定unit，它根據(jù)時間戳的精度設置，常見參數(shù)有：【D,s,ms】，分別對應日數(shù)、秒數(shù)、毫秒數(shù)（相對1970-01-01 00:00:00的間隔數(shù)）。
注意：如果需要轉化為東八區(qū)，只能通過手動添加 8 小時。

語言	Python	MySQL
代碼	【Python 1 默認時區(qū)】 pd.to_datetime(df1.col5, unit=‘s’) 【Python 2 東八時區(qū)】 pd.to_datetime(df1.col5, unit=‘s’)+pd.Timedelta(hours=8)	select from_unixtime(col5) from t1;
結果

2、時間轉時間戳
時間轉時間戳，在 MySQL 中，通過unix_timestamp()函數(shù)直接作用于列即可。
在 Pandas 中，通過apply()+timestamp()實現(xiàn)，如果需要轉化為東八區(qū)，先對時間做一層tz_localize("Asia/Shanghai")處理，然后再轉化即可，返回的是浮點數(shù)。
注意：這里有一個小細節(jié)，由于返回的值默認是科學計數(shù)方式，而我需要查看完整數(shù)字串，而且沒有小數(shù)值，我加了int()處理。如果使用的時間精確到毫秒，即存在小數(shù)，加int()處理會丟失精度，應用時需要結合自己的實際情況和需求做處理。

語言	Python	MySQL
代碼	【Python 1 默認時區(qū)】 df1.col4.apply(lambda x:int(x.timestamp())) 【Python 2 東八時區(qū)】 df1.col4.apply(lambda x:int(x.tz_localize(“Asia/Shanghai”).timestamp()))	select unix_timestamp(col4) from t1;
結果

三、小結

1、一個時間自定義加減使用Timedelta()或DateOffset()；
2、兩個時間取差值直接相加減；
3、格式化使用strftime()；
4、取時間的指定部分，使用對應的屬性 year、month、day、hour、minute、second；
5、時間戳和時間的轉化：to_datetime()、timestamp()。

到此這篇關于用Pandas 實現(xiàn)MySQL日期函數(shù)的效果的文章就介紹到這了,更多相關Pandas日期函數(shù)內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

最新評論