Pandas学习笔记(九)-CSDN博客

本文链接：https://blog.csdn.net/2402_82857752/article/details/148016121

处理日期和时间

文章目录

处理日期和时间

该文章内容为《Pandas数据分析实战》的学习笔记

引入Timestap对象

Python如何处理日期时间型数据

为了减少内存消耗，Python默认不自动加载其标准库模块，需要自己导入

import datetime as dt
import pandas as pd

让我们来回忆一下模块中的四个类：date、time、datetime和timedelta

date对象代表历史中的一天

birthday = dt.date(2005, 8, 8)
birthday = dt.date(year = 2005, month = 8, day = 8)
# 访问
birthday.year
birthday.month
birthday.day

date对象是不可变的，创建之后无法更改

time对象表示一天中的特定时间，不关心具体日期

alarm_clock = dt.time(6, 43, 25)
alarm_clock = dt.time(hour = 6, minute = 43, second = 25)

构造的时候默认参数是0，也就是你不传入哪个哪个将被设置为0

# 访问
alarm_clock.hour
alarm_clock.minute
alarm_clock.second

datetime对象，它同时包含日期和时间

moon_landing = dt.datetime(1969, 7, 20, 22, 56, 20)

各种操作和前面的date、time类类似

其中构建的时候year、month和day参数是必须的。与时间相关的参数是可选的，这些参数的默认值为0

Pandas如何处理日期时间型数据

Pandas引入了Timestamp对象来代替Python的datetime对象。它具有更多的功能，Timestamp的构造函数接受和datetime的构造函数相同的参数

pd.Timestamp(2005, 8, 8)

Timestamp的构造函数更加灵活可以接受各种输入

pd.Timestamp("2015-03-31")
pd.Timestamp("2015/03/31")
pd.Timestamp("03/31/2015")
pd.Timestamp("2021-03-08 6:13:29 PM")
my_time = pd.Timestamp(dt.datetime(2000, 2, 3, 21, 35, 22)) # 还可以接受datetime对象
# 访问
my_time.year

在DataetimeIndex中存储多个时间戳

DataetimeIndex是用于存储Timestamp对象的索引

timestamps = [
    pd.Timestamp("2020-01-01"),
    pd.Timestamp("2020-02-01"),
    pd.Timestamp("2020-03-01"),
]

pd.Series([1, 2, 3], index=timestamps)

同样的Timestamp也可以换为datetime

使用DatetimeProperties对象

disney = pd.read_csv("pandas-in-action-master/chapter_11_working_with_dates_and_times/disney.csv", parse_dates=["Date"])
disney.head()

访问是哪一天

disney["Date"].dt.day

查看是星期几

disney["Date"].dt.dayofweek

如果想要的是工作日名称，可以使用day_name方法

disney["Date"].dt.day_name()

month_name方法返回一个带有日期月份名称的Series

disney["Date"].dt.month_name()

is_quarter_start方法属性返回一个布尔Series，其中True表示该记录日期为季度开始日。其中四个季度分别从1月1日、4月1日、7月1日和10月1日开始

disney["Date"].dt.is_quarter_start
disney[disney["Date"].dt.is_quarter_start]

同时还有is_quarter_end、is_month_start、is_month_end、is_year_start和is_year_end方法

使用持续时间进行加减

Pandas中可以使用DateOffset对象添加或减去一段的持续时间。其构造函数接受years、months和days等参数，还可以接受时分秒等参数

pd.DateOffset(days = 5)

比如说我们现在要将disney中所有的日期加五天

(disney["Date"] + pd.DateOffset(days = 5)).head()
(disney["Date"] - pd.DateOffset(years = 1, month = 3, days = 5, hours = 6, minutes = 3)).head()

日期偏移

前面提到的DateOffset适合将每个日期添加或减去一致的事件量，而我们经常存在一些更加动态的计算

MonthEnd方法可以将每个日期舍入到月末，其中+为向前移动(到当前月末)，-向后移动(到上个月末)

disney["Date"] + pd.offsets.MonthEnd()

还有MonthBegin和BMonthEnd，其中后者是偏移到当月的最后一个工作日

Timedelta对象

Timedelta表示持续一段时间-两个试驾之间的差值，其构造函数接受时间单位的关键字传入

duration = pd.Timedelta(
    days = 8,
    hours = 7,
    minutes = 6,
    seconds = 5,
)

还可以用一个Timestamp减去另一个Timestamp得到一个存储时间差的Timedelta

pd.Timestamp("1999-02-05") - pd.Timestamp("1998-04-07")

通过这个我们还可以大规模求时间差值

deliveries = pd.read_csv("pandas-in-action-master/chapter_11_working_with_dates_and_times/deliveries.csv")
deliveries["order_date"] = pd.to_datetime(deliveries["order_date"])
deliveries["delivery_date"] = pd.to_datetime(deliveries["delivery_date"])
deliveries.head()
deliveries["duration"] = (deliveries["delivery_date"] - deliveries["order_date"])
deliveries.head()

Timedelta也提供数学方法

deliveries["duration"].max()
deliveries["duration"].min()
deliveries["duration"].mean()
deliveries["duration"].std()

还可以与固定持续时间进行比较，比如下面找到交付时间大于365天都记录

deliveries[deliveries["duration"] > "365 days"]

代码挑战

citi_bike = pd.read_csv("pandas-in-action-master/chapter_11_working_with_dates_and_times/citibike.csv")
citi_bike.head()

本章的问题如下：

将 start_time 和 stop_time 列转换为日期时间类型（Timestamp）而不是字符串。
计算一周中每天的骑行次数，并计算哪个工作日的骑行次数最多。使用 start_time 列作为起点。
计算一个月中，每周的骑行次数。为此，请将 start_time 列中的每个日期舍入到其上一个或当前的星期一。假设每周从星期一开始，到星期日结束。因此，在当前数据集内，6 月的第一周将是 6 月 1 日星期一到 6 月 7 日星期日。
计算每次骑行的持续时间，并将结果保存到新的 duration 列。
计算骑自行车的平均持续时间。
从数据集中找到骑行时间最长的 5 条记录。

解决方案

# 1
citi_bike["start_time"] = pd.to_datetime(citi_bike["start_time"])
citi_bike["stop_time"] = pd.to_datetime(citi_bike["stop_time"])
citi_bike.head()

# 2
citi_bike["start_time"].dt.day_name().value_counts()

# 3
days_away_from_monday = citi_bike["start_time"].dt.dayofweek
dates_rounded_to_monday = citi_bike["start_time"] - pd.to_timedelta(days_away_from_monday, unit = "day")
dates_rounded_to_monday.dt.date.value_counts()

# 4
citi_bike["duration"] = (citi_bike["stop_time"] - citi_bike["start_time"])
citi_bike.head()

# 5
citi_bike["duration"].mean()

# 6
citi_bike.sort_values(by = "duration", ascending=False).head(5)