pandas基础(时间日期)

本文介绍了Python标准库中的时间日期处理,重点关注Pandas中时间序列的使用,包括Timestamp、date_range、Period、时间频率转换、时间重采样及其在金融数据中的应用。通过实例展示了如何进行日期范围生成、时间戳与日期的转换、时期算术运算以及不同频率的重采样方法。
摘要由CSDN通过智能技术生成

时间日期

  • 时间戳 tiimestamp:固定的时刻 -> pd.Timestamp
  • 固定时期 period:比如2016年3月份,再如2015年销售额 -> pd.Period 时间间隔
  • interval:由起始时间和结束时间来表示,固定时期是一个特殊的时间间隔

Python标准库中对时间日期的处理

datetime

python 标准库里提供了时间日期的处理,这个是时间日期的基础。

from datetime import datetime
from datetime import timedelta
now = datetime.now()
now

运行结果为:
datetime.datetime(2016, 4, 28, 14, 49, 51, 307000)
now.year, now.month, now.day

运行结果为:
(2016, 4, 28)

时间差

date1 = datetime(2016, 3, 20)
date2 = datetime(2016, 3, 16)
delta = date1 - date2
delta

运行结果为:
datetime.timedelta(4)
delta.days

运行结果为:
4
delta.total_seconds()

运行结果为:
345600.0
date2 + delta

运行结果为:
datetime.datetime(2016, 3, 20, 0, 0)

date2 + timedelta(4.5)

运行结果为:
datetime.datetime(2016, 3, 20, 12, 0)

字符串和 datetime 转换

date = datetime(2016, 3, 20, 8, 30)
date

运行结果为:
datetime.datetime(2016, 3, 20, 8, 30)
str(date)

运行结果为:
'2016-03-20 08:30:00'
# strftime() 函数接收以时间元组,并返回以可读字符串表示的当地时间,格式由参数format决定。
date.strftime('%Y-%m-%d %H:%M:%S')

运行结果为:
'2016-03-20 08:30:00'

strftime()函数用法

# strptime() 函数根据指定的格式把一个时间字符串解析为时间元组。
datetime.strptime('2016-03-20 09:30', '%Y-%m-%d %H:%M')

运行结果为:
datetime.datetime(2016, 3, 20, 9, 30)

strptime()函数用法

pandas中的时间序列

时间戳Timestamp

dates = [datetime(2016, 3, 1), datetime(2016, 3, 2), datetime(2016, 3, 3), datetime(2016, 3, 4)]
s = pd.Series(np.random.randn(4), index=dates)
s

运行结果为:
2016-03-01    1.650889
2016-03-02   -0.328463
2016-03-03    1.674872
2016-03-04   -0.310849
type(s.index[0])

运行结果为:
pandas.tslib.Timestamp

日期范围 date_range

生成日期范围

使用pd.date_range()函数

pd.date_range('20160320', '20160331')

运行结果为
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值