Pandas中的日期時(shí)間date處理小結(jié)

更新時(shí)間：2025年04月26日 10:30:53 作者：請(qǐng)一直在路上

Pandas提供了強(qiáng)大的日期和時(shí)間處理功能,本文主要介紹了Pandas中的日期時(shí)間date處理小結(jié),具有一定的參考價(jià)值,感興趣的可以了解一下

Pandas中的日期時(shí)間類型

時(shí)間戳（timestamp）：表示的是一個(gè)特定的時(shí)刻，比如 2008 年 8 月 8 日下午午 8:00。
時(shí)間周期（period）：引用特定開始和結(jié)束點(diǎn)之間的時(shí)間長(zhǎng)度；例如，2015 年。時(shí)間段通常引用時(shí)間間隔的特殊情況，其中每個(gè)間隔具有統(tǒng)一的長(zhǎng)度并且不重疊（例如，構(gòu)成每天的 24 小時(shí)長(zhǎng)的時(shí)間段）。
時(shí)間增量或間隔（timedelta）：引用確切的時(shí)間長(zhǎng)度（例如，間隔為 22.56 秒）。

1. 創(chuàng)建日期時(shí)間數(shù)據(jù)

1.1 使用to_datetime()函數(shù)

import pandas as pd

# 將字符串轉(zhuǎn)換為datetime
date_str = ['2023-01-01', '2023-01-02', '2023-01-03']
dates = pd.to_datetime(date_str)
print(dates)

1.2 創(chuàng)建日期范圍

# 創(chuàng)建日期范圍
date_range = pd.date_range('2023-01-01', periods=5, freq='D')
print(date_range)

# 帶有時(shí)區(qū)的日期范圍
date_range_tz = pd.date_range('2023-01-01', periods=5, freq='D', tz='Asia/Shanghai')
print(date_range_tz)

2. 訪問日期時(shí)間屬性

# 創(chuàng)建示例DataFrame
df = pd.DataFrame({
    'date': pd.date_range('2023-01-01', periods=5, freq='D'),
    'value': [10, 20, 30, 40, 50]
})

# 提取年、月、日等屬性
df['year'] = df['date'].dt.year
df['month'] = df['date'].dt.month
df['day'] = df['date'].dt.day
df['day_of_week'] = df['date'].dt.dayofweek  # 周一=0, 周日=6
df['day_name'] = df['date'].dt.day_name()
df['is_weekend'] = df['date'].dt.dayofweek >= 5

print(df)

3. 日期時(shí)間運(yùn)算

3.1 時(shí)間差計(jì)算

# 計(jì)算時(shí)間差
df['date_diff'] = df['date'] - df['date'].shift(1)
print(df[['date', 'date_diff']])

# 使用Timedelta進(jìn)行時(shí)間運(yùn)算
df['date_plus_2days'] = df['date'] + pd.Timedelta(days=2)
df['date_plus_3hours'] = df['date'] + pd.Timedelta(hours=3)
print(df)

3.2 日期比較

# 日期比較
start_date = pd.to_datetime('2023-01-02')
df['after_start_date'] = df['date'] > start_date
print(df[['date', 'after_start_date']])

4. 重采樣和時(shí)間頻率轉(zhuǎn)換

# 創(chuàng)建示例時(shí)間序列數(shù)據(jù)
ts = pd.Series(
    [1, 2, 3, 4, 5],
    index=pd.date_range('2023-01-01', periods=5, freq='D')
)

# 降采樣（低頻） - 計(jì)算每周平均值
weekly = ts.resample('W').mean()
print("Weekly resample:\n", weekly)

# 升采樣（高頻） - 填充缺失值
hourly = ts.resample('H').ffill()
print("Hourly resample (forward fill):\n", hourly.head(10))  # 只顯示前10行

5. 時(shí)區(qū)處理

# 本地化時(shí)區(qū)
ts = pd.Series(
    [1, 2, 3],
    index=pd.date_range('2023-01-01', periods=3, freq='D')
)
ts = ts.tz_localize('UTC')
print("UTC timezone:\n", ts)

# 時(shí)區(qū)轉(zhuǎn)換
ts_shanghai = ts.tz_convert('Asia/Shanghai')
print("Shanghai timezone:\n", ts_shanghai)

6. 日期時(shí)間索引操作

# 設(shè)置日期為索引
df.set_index('date', inplace=True)

# 按年份切片
print(df.loc['2023'])

# 按月份切片
print(df.loc['2023-01'])

# 按日期范圍切片
print(df.loc['2023-01-02':'2023-01-04'])

7. 實(shí)際應(yīng)用示例

# 讀取包含日期時(shí)間的數(shù)據(jù)
# 假設(shè)有一個(gè)CSV文件包含日期列
# df = pd.read_csv('data.csv', parse_dates=['date_column'])

# 處理缺失日期
full_date_range = pd.date_range(start=df.index.min(), end=df.index.max(), freq='D')
df = df.reindex(full_date_range)

# 填充缺失值
df['value'] = df['value'].fillna(method='ffill')  # 前向填充

# 計(jì)算滾動(dòng)平均值
df['7_day_avg'] = df['value'].rolling(window='7D').mean()

print(df.head(10))

8. 高級(jí)技巧

8.1 自定義工作日歷

from pandas.tseries.offsets import CustomBusinessDay
from pandas.tseries.holiday import USFederalHolidayCalendar

# 使用美國(guó)聯(lián)邦假日日歷
us_bd = CustomBusinessDay(calendar=USFederalHolidayCalendar())
date_range = pd.date_range('2023-01-01', periods=10, freq=us_bd)
print("US business days only:\n", date_range)

8.2 季度數(shù)據(jù)處理

# 創(chuàng)建季度數(shù)據(jù)
quarterly = pd.Series(
    [100, 200, 300, 400],
    index=pd.date_range('2023-01-01', periods=4, freq='Q')
)

# 季度開始和結(jié)束日期
print("Quarter start:\n", quarterly.index)
print("Quarter end:\n", quarterly.index + pd.offsets.QuarterEnd())

到此這篇關(guān)于Pandas中的日期時(shí)間date處理小結(jié)的文章就介紹到這了,更多相關(guān)Pandas 日期時(shí)間date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！

您可能感興趣的文章: