Python数据分析从入门到进阶：玩转日期型数据（含代码）

最新推荐文章于 2024-07-15 08:15:52 发布

Llama-Turbo

最新推荐文章于 2024-07-15 08:15:52 发布

阅读量897

点赞数 20

文章标签： python 数据分析开发语言数据库数据挖掘

本文链接：https://blog.csdn.net/pythonhy/article/details/136370896

版权

本文介绍了如何使用Python中的Pandas库进行日期型数据的处理，包括字符串转datetime、处理时区（指定和转换）、选择特定日期范围、创建日期特征以及计算时间差。

摘要由CSDN通过智能技术生成

引言

在我们进行一些时间序列问题时，往往要对日期型数据进行分析处理，本章介绍一下如何使用python处理日期型数据

💮1. 将字符串转换成日期

python
复制代码
# 导入相关库；
import pandas as pd 
import numpy as np

python
复制代码
# 创建字符串
date_strings = np.array(['03-04-2005 11:35 PM',
                         '23-05-2010 12:01 AM',
                         '04-09-2009 09:09 PM'])

python
复制代码
# 转换成datetime 类型的数据
[pd.to_datetime(date, format='%d-%m-%Y %I:%M %p') for date in date_strings]

sql
复制代码
[Timestamp('2005-04-03 23:35:00'),
 Timestamp('2010-05-23 00:01:00'),
 Timestamp('2009-09-04 21:09:00')]

python
复制代码
# 我们还可以增加errors参数来处理错误
# 转换成datetime类型的数据
[pd.to_datetime(date, format='%d-%m-%Y %I:%M %p', errors = 'coerce') for date in date_strings]

sql
复制代码
[Timestamp('2005-04-03 23:35:00'),
 Timestamp('2010-05-23 00:01:00'),
 Timestamp('2009-09-04 21:09:00')]

当传入errors = 'coerce' 参数时，即使转换错误也不会报错，但是会将错误的值返回为Nan（缺失值）

🏵️2. 处理时区

一般而言，pandas的对象默认是没有时区的，不过我们也可以在创建对象时通过tz参数指定时区

python
复制代码
import pandas as pd

python
复制代码
# 创建一个dataframe
pd.Timestamp('2017-05-01 06:00:00', tz = 'Europe/London')

ini
复制代码
Timestamp('2017-05-01 06:00:00+0100', tz='Europe/London')

python
复制代码
# 可以使用tz_locallize添加时区信息
data = pd.Timestamp('2017-05-01 06:00:00')

python
复制代码
# 设置时区
data_in_london = data.tz_localize('Europe/London')

python
复制代码
data_in_london

ini
复制代码
Timestamp('2017-05-01 06:00:00+0100', tz='Europe/London')

python
复制代码
# 我们还可以使用tz_convert来转换时区

data_in_london.tz_convert('Asia/Chongqing')

ini
复制代码
Timestamp('2017-05-01 13:00:00+0800', tz='Asia/Chongqing')

python
复制代码
# Series对象还可以对每一个元素应用tz_localiz和tz_convert
dates = pd.Series(pd.date_range('2002-02-02', periods=3, freq='M'))

python
复制代码
# 设置时区
dates.dt.tz_localize('Asia/Chongqing')

yaml
复制代码
0   2002-02-28 00:00:00+08:00
1   2002-03-31 00:00:00+08:00
2   2002-04-30 00:00:00+08:00
dtype: datetime64[ns, Asia/Chongqing]

🌹3. 选择日期和时间

python
复制代码
dataframe = pd.DataFrame()

python
复制代码
dataframe['date'] = pd.date_range('2001-01-01 01:00:00', periods=100000, freq='H')

删选两个日期之间的观察值，用 & 来表示且的关系

python
复制代码
dataframe[(dataframe['date']>'2002-01-01 01:00:00') & (dataframe['date']<='2002-1-1 04:00:00')]

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	date
8761	2002-01-01 02:00:00
8762	2002-01-01 03:00:00
8763	2002-01-01 04:00:00

另一种方法，将date这一列设为索引，然后用loc删选

python
复制代码
dataframe = dataframe.set_index(dataframe['date'])

python
复制代码
dataframe.loc['2002-1-1 01:00:00':'2002-1-1 04:00:00']

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	date
date
2002-01-01 01:00:00	2002-01-01 01:00:00
2002-01-01 02:00:00	2002-01-01 02:00:00
2002-01-01 03:00:00	2002-01-01 03:00:00
2002-01-01 04:00:00	2002-01-01 04:00:00

🌺4. 将数据切分成多个特征

python
复制代码
df = pd.DataFrame()
df['date'] = pd.date_range('1/1/2001', periods=150, freq='w')

创建年月日时分的特征

python
复制代码
df['year'] = df['date'].dt.year
df['month'] = df['date'].dt.month
df['day'] = df['date'].dt.day
df['hour'] = df['date'].dt.hour
df['minute'] = df['date'].dt.minute

python
复制代码
df.head()

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	date	year	month	day
0	2001-01-07	2001	1	7
1	2001-01-14	2001	1	14
2	2001-01-21	2001	1	21
3	2001-01-28	2001	1	28
4	2001-02-04	2001	2	4

🌻5.计算两个日期之间的时间差

python
复制代码
import pandas as pd
dataframe = pd.DataFrame()
dataframe['Arrived'] = [pd.Timestamp('01-01-2017'), pd.Timestamp('01-04-2017')]
dataframe['left'] = [pd.Timestamp('01-01-2017'), pd.Timestamp('01-06-2017')]

python
复制代码
# 计算两个特征直接的时间间隔
dataframe['left'] - dataframe['Arrived']

ini
复制代码
0   0 days
1   2 days
dtype: timedelta64[ns]

这里给大家分享一份Python全套学习资料，包括学习路线、软件、源码、视频、面试题等等，都是我自己学习时整理的，希望可以对正在学习或者想要学习Python的朋友有帮助！

CSDN大礼包：全网最全《全套Python学习资料》免费分享🎁

😝有需要的小伙伴，可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓

👉CSDN大礼包🎁：全网最全《Python学习资料》免费分享（安全链接，放心点击）👈

1️⃣零基础入门

① 学习路线

对于从来没有接触过Python的同学，我们帮你准备了详细的学习成长路线图。可以说是最科学最系统的学习路线，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。
在这里插入图片描述

② 路线对应学习视频

还有很多适合0基础入门的学习视频，有了这些视频，轻轻松松上手Python~ 在这里插入图片描述

③练习题

每节视频课后，都有对应的练习题哦，可以检验学习成果哈哈！
在这里插入图片描述
因篇幅有限，仅展示部分资料

2️⃣国内外Python书籍、文档

① 文档和书籍资料

在这里插入图片描述

3️⃣Python工具包+项目源码合集

①Python工具包

学习Python常用的开发软件都在这里了！每个都有详细的安装教程，保证你可以安装成功哦！
在这里插入图片描述

②Python实战案例

光学理论是没用的，要学会跟着一起敲代码，动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。100+实战案例源码等你来拿！
在这里插入图片描述

③Python小游戏源码

如果觉得上面的实战案例有点枯燥，可以试试自己用Python编写小游戏，让你的学习过程中增添一点趣味！
在这里插入图片描述

4️⃣Python面试题

我们学会了Python之后，有了技能就可以出去找工作啦！下面这些面试题是都来自阿里、腾讯、字节等一线互联网大厂，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。
在这里插入图片描述

5️⃣Python兼职渠道

而且学会Python以后，还可以在各大兼职平台接单赚钱，各种兼职渠道+兼职注意事项+如何和客户沟通，我都整理成文档了。
在这里插入图片描述

上述所有资料 ⚡️ ，朋友们如果有需要 📦《全套Python学习资料》的，可以扫描下方二维码免费领取 🆓
😝有需要的小伙伴，可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓