为网友们分享了相关的编程文章，网友谷浩慨根据主题投稿了本篇教程内容，涉及到pandas日期数据处理、pandas处理时间数据、pandas、日期处理、Pandas时间数据处理相关内容，已被944网友关注，如果对知识点想更进一步了解可以在下方电子资料中获取。
Pandas时间数据处理
转化时间类型
to_datetime()方法
to_datetime()方法支持将
int, float, str, datetime, list, tuple, 1-d array, Series, DataFrame/dict-like类型的数据转化为时间类型
import pandas as pd
# str ---> 转化为时间类型:
ret = pd.to_datetime('2022-3-9')
print(ret)
print(type(ret))
"""
2022-03-09 00:00:00
---pandas中默认支持的时间点的类型
"""
# 字符串的序列 --->转化成时间类型：
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)
----pandas中默认支持的时间序列的类型
"""
# dtype = 'datetime64[ns]' ----> numpy中的时间数据类型！
DatetimeIndex()方法
DatetimeIndex()方法支持将一维 类数组（ array-like (1-dimensional) ）转化为时间序列
# pd.DatetimeIndex 将 字符串序列 转化为 时间序列 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)"""
生成时间序列
使用date_range()方法可以生成时间序列。
时间序列一般不会主动生成，往往是在发生某个事情的时候，同时记录一下发生的时间！
ret = pd.date_range(
start='2021-10-1', # 开始点
# end='2022-1-1', # 结束点
periods=5, # 生成的元素的个数 和结束点只需要出现一个即可！
freq='W', # 生成数据的步长或者频率, W表示Week(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')
"""
提取时间属性
使用如下数据作为初始数据（type：
# 转化为 pandas支持的时间序列之后再提取时间属性！ data.loc[:, 'time_list'] = pd.to_datetime(data.loc[:, 'time_list']) # 可以通过列表推导式来获取时间属性 # 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']] # 时分秒 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']] # 时间 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是一样的
data['weekofyear'] = [tmp.weekofyear for tmp in data.loc[:, 'time_list']]
# 一周中的第多少天 ---和weekday是一样的
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']]
# 周几 ---返回英文全拼
data['day_name'] = [tmp.day_name() for tmp in data.loc[:, 'time_list']]
# 是否为 闰年 ---返回bool类型
data['is_leap_year'] = [tmp.is_leap_year for tmp in data.loc[:, 'time_list']]
print('data:\n', data)
dt属性
Pandas还有dt属性可以提取时间属性。
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)
计算时间间隔
# 计算时间间隔！
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)) #
print(ret.days) # 1
计算时间推移
配合Timedelta()方法可计算时间推移
Timedelta 中支持的参数 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)) #
print(pd.Timedelta(weeks=5)) # 35 days 00:00:00
获取当前机器的支持的最大时间和 最小时间
# 获取当前机器的支持的最大时间和 最小时间
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
"""
总结
到此这篇关于Pandas时间数据处理的文章就介绍到这了,更多相关Pandas时间数据处理内容请搜索码农之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持码农之家！
