python中利用pandas按照时间段生成时间列表

最新推荐文章于 2024-07-18 06:37:08 发布
最新推荐文章于 2024-07-18 06:37:08 发布
阅读量3.3w 收藏 70
点赞数 13
分类专栏： python
本文详细介绍Pandas库中处理时间序列数据的各种方法，包括生成时间范围、改变时间间隔、统一日期格式及提取指定日期数据等实用技巧。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

获取当前时间，并返回年月日规范格式。形如 2017-01-04

常用的方法有：

pd.date_range() 生成一个时间段
pd.bdate_range() 生成一个时间段，跟date_range()不同，可见下面代码
df.asfreq() 生成以一定时间间隔的序列

  • 根据始末时间生成时间段

pd.date_range(start, end, freq) 生成一个时间段

freq参数由英文(M D H Min 。。。)、英文数字结合。D表示一天，M表示一月如20D表示20天，5M表示5个月。

#生成20171011-20171030 
pd.date_range('20171011', '20171030',freq='5D') 
DatetimeIndex(['2017-10-11', '2017-10-16', '2017-10-21', '2017-10-26'], dtype='datetime64[ns]', freq='5D')

  • 根据起始向后生成时间段

pd.date_range(日期字符串, periods=5, freq='T') 生成一个时间段

periods ：时间段长度，整数类型 

freq： 时间单位。月日时分秒。M D H ...

复制代码

import pandas as pd 
#20171231 12:50时间点开始，生成以月为间隔，长度为5的时间段 
tm_rng = pd.date_range('20171231 12:50',periods=5,freq='M') 
 
print(type(tm_rng)) 
DatetimeIndex(['2017-12-31 12:50:00', '2018-01-31 12:50:00','2018-02-28 12:50:00', '2018-03-31 12:50:00',
 
print(tm_rng)
<class 'pandas.core.indexes.datetimes.DatetimeIndex'> 
'2018-04-30 12:50:00'],dtype='datetime64[ns]', freq='M')

复制代码

  • 根据给定时间点向前（向后）生成时间段

pd.bdate_range(end,periods,freq) 根据end时间点开始,以freq为单位，向前生成周期为period的时间序列

pd.bdate_range(start,periods,freq) 根据start时间点开始,以freq为单位，向后生成周期为period的时间序列

复制代码

#向前5天 
print(pd.bdate_range(end='20180101',periods=5,freq='D'))
DatetimeIndex(['2017-12-28', '2017-12-29', '2017-12-30', '2017-12-31','2018-01-01'],dtype='datetime64[ns]', freq='D')

#向后5天 
print(pd.bdate_range(start='20180101',periods=5,freq='D'))
DatetimeIndex(['2018-01-01', '2018-01-02', '2018-01-03', '2018-01-04','2018-01-05'],dtype='datetime64[ns]', freq='D')

复制代码

改变时间间隔

对dateframe或者series对象操作，更改对象中时间的时间间隔。
dateframe.asfreq(freq='时间间隔',method='填充方式',fill_value='对Nan值进行填充') 
freq格式：M D H Min 。。。与数字结合。如20D表示20天，5M表示5个月。 
method：有pad、backfill两种填充方式
fill_value：缺失值更改为fill_value的值。

复制代码

#改变时间间隔,以20天为间隔 
tm_series.asfreq('20D',method='pad')
2017-12-31 12:50:00    0
2018-01-20 12:50:00    0
2018-02-09 12:50:00    1
2018-03-01 12:50:00    2
2018-03-21 12:50:00    2
2018-04-10 12:50:00    3
2018-04-30 12:50:00    4
Freq: 20D, dtype: int64

#改变时间间隔,以20天为间隔 
tm_series.asfreq('20D',method='backfill')
2017-12-31 12:50:00    0
2018-01-20 12:50:00    1
2018-02-09 12:50:00    2
2018-03-01 12:50:00    3
2018-03-21 12:50:00    3
2018-04-10 12:50:00    4
2018-04-30 12:50:00    4
Freq: 20D, dtype: int64

#改变时间间隔,以100小时为间隔 
tm_series.asfreq('100H')
2017-12-31 12:50:00    0.0
2018-01-04 16:50:00    NaN
2018-01-08 20:50:00    NaN
2018-01-13 00:50:00    NaN
.....
2018-04-10 12:50:00    NaN
2018-04-14 16:50:00    NaN
2018-04-18 20:50:00    NaN
2018-04-23 00:50:00    NaN
2018-04-27 04:50:00    NaN
Freq: 100H, dtype: float64

#改变时间间隔,以100小时为间隔 
tm_series.asfreq('100H',fill_value='缺失值')
2017-12-31 12:50:00      0
2018-01-04 16:50:00    缺失值
2018-01-08 20:50:00    缺失值
2018-01-13 00:50:00    缺失值
.....
2018-04-14 16:50:00    缺失值
2018-04-18 20:50:00    缺失值
2018-04-23 00:50:00    缺失值
2018-04-27 04:50:00    缺失值
Freq: 100H, dtype: object

复制代码

  • 可以统一日期格式

复制代码

data = pd.Series(['May 20, 2017','2017-07-12','20170930','2017/10/11','2017 12 11']) 
 
pd.to_datetime(data)
0   2017-05-20
1   2017-07-12
2   2017-09-30
3   2017-10-11
4   2017-12-11
dtype: datetime64[ns]

复制代码

  • 提取指定日期的数据

如下tm_rng是以5小时时间间隔，生成了20个数据。我们只要2018-01-02的数据。对Series或Dataframe都可以使用日期字符串操作，选取指定时间范围的数据。

复制代码

import pandas as pd 
import numpy as np
 
tm_rng = pd.date_range('2017-12-31 12:00:00',periods=20,freq='5H') 
tm_series = pd.Series(np.random.randn(len(tm_rng)), index=tm_rng) 
print(type(tm_series)) 
 
print(tm_series)
<class 'pandas.core.series.Series'> 
2017-12-31 12:00:00    0.618465
2017-12-31 17:00:00   -0.963631
2017-12-31 22:00:00   -0.782348
.....
2018-01-04 06:00:00   -0.681123
2018-01-04 11:00:00   -0.710626
Freq: 5H, dtype: floa64

#我们只要tm_series中是2018-01-02的数据 
tm_series['2018-01-02']
2018-01-02 04:00:00    0.293941
2018-01-02 09:00:00   -1.437363
2018-01-02 14:00:00   -0.527275
2018-01-02 19:00:00    1.140872
Freq: 5H, dtype: float64

#我们要2018年的数据，结果全保留 
tm_series['2018']
2018-01-01 03:00:00   -0.363019
2018-01-01 08:00:00    0.426922
2018-01-01 13:00:00   -1.118425
2018-01-01 18:00:00    0.956300
.....
2018-01-03 20:00:00   -1.967839
2018-01-04 01:00:00   -0.654029
2018-01-04 06:00:00   -0.681123
2018-01-04 11:00:00   -0.710626
Freq: 5H, dtype: float64
dft = pd.DataFrame(np.random.randn(len(tm_rng)), index=tm_rng) 
 
print(type(dft)) 
print(dft)
<class 'pandas.core.frame.DataFrame'>
                            
2017-12-31 12:00:00  0.213331
2017-12-31 17:00:00  1.920131
2017-12-31 22:00:00 -1.608645
2018-01-01 03:00:00 -0.226439
2018-01-01 08:00:00 -0.558741
.....
 
2018-01-03 20:00:00  0.866822
2018-01-04 01:00:00 -0.361902
2018-01-04 06:00:00  0.902717
2018-01-04 11:00:00 -0.431569

#对dataframe中的时间操作，只要2018-01-04日的数据 
print(type(dft['2018-01-04'])) 
print(dft['2018-01-04'])
<class 'pandas.core.frame.DataFrame'>
                            
2018-01-04 01:00:00 -0.361902
2018-01-04 06:00:00  0.902717
2018-01-04 11:00:00 -0.431569
pandas使用date_range函数通过设置起始时间（start）和结束时间（end）按照一定的频率（freq）间隔生成时间序列数据（以5小时为例）
data+scenario+science+insight
03-27 1118
pandas使用date_range函数通过设置起始时间（start）和结束时间（end）按照一定的频率（freq）间隔生成时间序列数据（以5小时为例）
Python datetime库【日期和时间处理库】全面讲解与示例
最新发布
记录点滴
04-13 1284
分层时间处理架构存储层：统一使用UTC+微秒精度+ISO8601格式业务层：使用带时区的datetime对象展示层：按用户时区格式化，使用本地化库监控指标# Prometheus时间相关指标示例灾难恢复策略部署本地NTP服务器集群定期备份时区数据库关键系统使用GPS原子钟时间源""" 添加调休工作日 """""" 添加额外休息日 """# 示例：处理国庆调休calendar.add_offday(date(2023, 9, 29)) # 放假。
python 指定时间间隔_pandas生成时间列表（某段连续时间或者固定间隔时间段）...
weixin_39874589的博客
12-04 1303
python生成一个日期列表# 首先导入pandas```pythonimport pandas as pddef get_date_list(begin_date,end_date):date_list = [x.strftime('%Y-%m-%d') for x in list(pd.date_range(start=begin_date, end=end_date))]return dat...
笔记 pandas 把某列变成日期列
Mason_y_zo的博客
12-16 1885
pandas把某列变成日期列 打个比方说，现在日期列的格式为 2006-10-16 想把它变成日期的格式，用df.to_datetime df['date'] = pd.to_datetime(df['date'], format='%Y-%M-%d')
python 按照时间段生成时间列表
weiyaner的博客
12-01 1612
import pandas as pd def get_date_list(begin_date,end_date,freq): date_list = [x.strftime('%Y-%m') for x in list(pd.date_range(start=begin_date, end=end_date,freq = freq))] return date_list get_date_list('2021','2022','m') ['2021-01', '2021-02',
Pandas时间序列：生成指定范围的日期
热门推荐
bqw的博客
07-04 2万+
import pandas as pd import numpy as np 1.生成指定范围的日期 pd.date_range('4/1/2018','4/5/2018') DatetimeIndex(['2018-04-01', '2018-04-02', '2018-04-03', '2018-04-04', '2018-04-05'], ...
python pandas生成时间列表
09-19
在Python编程语言中，Pandas库是一个强大的数据分析工具，它提供了丰富的数据处理功能，包括生成时间序列数据。在处理涉及时间的数据时，Pandas的时间列表（时间序列）扮演着至关重要的角色。本篇将深入探讨如何使用...
21-Python Pandas时间序列
qwy715229258163的博客
07-02 817
顾名思义，时间序列（time series），就是由时间构成的序列，它指的是在一定时间内按照时间顺序测量的某个变量的取值序列，比如一天内的温度会随时间而发生变化，或者股票的价格会随着时间不断的波动，这里用到的一系列时间，就可以看做时间序列。在处理时间序列的过程中，我们一般会遇到两个问题，第一，如何创建时间序列；第二，如何更改已生成时间序列的频率。Pandas 为解决上述问题提供了一套简单、易用的方法。下面用 Python 内置的 datetime 模块来获取当前时间，通过该模块提供的now()
python基础-pandas生成时间序列
s_unbo的博客
12-13 4971
python基础-pandas生成时间序列 pandas中的date_range()函数用来生成一个日期序列，在需要构造一个日期序列的时候非常方便。 代码 import pandas as pd import numpy as np import datetime as dt #创建2016年7越1号开始，以天为单位，十天的时间序列,指定频率(D\M\H),及倍数,或写起止日 rng = pd.date_range('2016/07/01',periods=10,freq ='3D') print(rng)
Pandas（Python库）：时间序列数据处理
kkchenjj的博客
07-18 1204
时区，是地球上的一个区域采用的统一时间标准，通常基于该区域与格林尼治子午线的经度差异。全球分为24个时区，每个时区相隔15度经度，时间相差1小时。时区的引入，是为了协调不同地理位置的日期和时间，确保全球时间的一致性和可比性。在Pandas中，对象支持时区信息，这在处理跨时区的时间序列数据时尤为重要。时区信息可以使用IANA时区数据库中的时区名称来指定，如或。在Pandas中处理时间序列数据时，正确管理时区信息是确保数据准确性和一致性的关键。通过使用Timestamp对象和其相关方法，如。
Pandas AI：生成式 AI Python 库
07-05
Pandas AI 是一个创新工具，它利用人工智能的力量，特别是OpenAI的生成式AI模型，来简化Python中的数据处理任务，尤其是与pandas库相关的任务。这个库的目标是为数据科学家和分析师提供一个交互式的环境，通过自然...
【Python】使用pandas将年月日小时列合并为时间格式的列
qq_45742383的博客
08-22 6554
【Python】使用pands将年月日小时列合并为时间格式的列
Python+pandas 特殊时间序列的生成
zwy_0309的博客
09-11 1266
一、 date_range()函数 date_range()函数是pandas库的函数，顾名思义，该函数应该能生成指定区间的时间序列。 举例： 1、 使用“开始时间”和“结束时间” 生成2020-01-01至2020-01-07的7个日期 【脚本】 print(pd.date_range(‘20200101’, ‘20200107’)) 【结果】 DatetimeIndex([‘2020-01-01’, ‘2020-01-02’, ‘2020-01-03’, ‘2020-01-04’, ‘2020-01-
pandas时间处理
xueruixuan的专栏
05-08 6995
#导入numpy,pandas包 import numpy as np import pandas as pd #读取csv文件 df = pd.read_csv('aa.csv',names = ['time', 'values'],header = None, sep = ",") df.head() #时间字符串切分 df['new_time'] = df['time'].app...
python给定开始日期和结束日期得到中间日期列表
weixin_44883450的博客
12-29 1139
List item 代码如下 import datetime endDay = datetime.date.today() startDay = endDay + datetime.timedelta(-10) d = startDay delta = datetime.timedelta(days=1) # 打印最近十天日期（当然你可以做其他处理） while d < endDay: print(str(d)) d += delta 输出 C:\ProgramData\Anac.
【Python】数据分析.pandas.时间序列
懂得一千零一种,赋予你失败的方法！
06-18 1130
Python----数据分析-pandas.时间序列 关于时间序列的一些基本知识点，本人了解不是太深入，介绍一篇文章：pandas–处理时间序列数据 一、简单的了解生成一段时间范围 import pandas as pd import numpy as np df = pd.date_range(start="20000101",end="20010101",freq="D") print(df) # DatetimeIndex(['2000-01-01', '2000-01-02', '20
pandas的时间序列:日期操作、时间序列平滑
dianhuo3832的博客
12-12 2067
基础操作 1）将“字符类型的日期列”转化成“时间索引（DatetimeIndex）” u 首先，利用 pandas 的to_datetime 方法，把 "date" 列的字符类型数据解析成 datetime 对象。然后，把 "date" 列用作索引。 df['date'] = pd.to_datetime(df['date']) df.set_index("date...
pandas——时间序列、重采样及案例
weixin_42067873的博客
11-18 3047
在使用Python进行数据分析时，经常会遇到时间日期格式处理和转换，特别是分析和挖掘与时间相关的数据，比如量化交易就是从历史数据中寻找股价的变化规律。Python中自带的处理时间的模块有datetime，NumPy库也提供了相应的方法，Pandas作为Python环境下的数据分析库，更是提供了强大的日期数据处理的功能，是处理时间序列的利器。 时间序列（time series）数据是一种重要的结构化数据形式，。在多个时间点观察或测量到的任何时间都可以形成一段时间序列。很多时间， 时间序列是固定频率的..
Python生成制定时间段日期格式
07-24
要使用 Python 生成指定时间段内的时间序列，可以利用 `datetime` 和 `pandas` 这两个库的功能。这里，我们将创建一个从2008年至2022年的每年6月至10月的第一个日期列表。 ### 步骤一：导入所需模块 ```python from datetime import datetime, timedelta import pandas as pd ``` ### 步骤二：定义起始与结束年份以及月份范围 ```python start_year = 2008 end_year = 2022 months = range(6, 11) ``` ### 步骤三：生成每年特定月份的第一天并构建时间序列 ```python dates_list = [] for year in range(start_year, end_year + 1): for month in months: start_of_month = datetime(year, month, 1) dates_list.append(start_of_month) # 创建时间序列 DataFrame time_series = pd.DataFrame({'date': dates_list}) ``` ### 步骤四：将时间序列转换为日期格式，并设置为索引 ```python time_series['date'] = pd.to_datetime(time_series['date']) time_series.set_index('date', inplace=True) ``` 这样我们就得到了一个时间序列数据帧（DataFrame），其中行表示每年的6至10月的第一天，列只有一项，即日期列已转换为日期格式并且设为索引。这适用于绘制折线图或其他图表时，以这些日期作为横轴。 --- ## 相关问题： 1. 如何进一步对这个时间序列数据进行过滤操作，比如仅保留某个特定区间内的数据？ 2. 可以使用哪种图形库来可视化这些时间序列数据，以便更直观地展示数据变化趋势？ 3. 当时间序列数据包含不完整月份或非连续月份时，应该如何调整代码以保持时间序列的连续性？
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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