Pandas怎样快捷方便的处理日期数据（二十）

Pandas日期处理的作用：将2018-01-01、1/1/2018等多种日期格式映射成统一的格式对象，在该对象上提供强大的功能支持

几个概念：

• pd.to_datetime：pandas的一个函数，能将字符串、列表、series变成日期形式
• Timestamp：pandas表示日期的对象形式
• DatetimeIndex：pandas表示日期的对象列表形式

其中：

• DatetimeIndex是Timestamp的列表形式
• pd.to_datetime对单个日期字符串处理会得到Timestamp
• pd.to_datetime对日期字符串列表处理会得到DatetimeIndex

问题：怎样统计每周、每月、每季度的最高温度？

1、读取天气数据到dataframe

import pandas as pd
%matplotlib inline

fpath = "./datas/beijing_tianqi/beijing_tianqi_2018.csv"
df = pd.read_csv(fpath)
# 替换掉温度的后缀℃
df.loc[:, "bWendu"] = df["bWendu"].str.replace("℃", "").astype('int32')
df.loc[:, "yWendu"] = df["yWendu"].str.replace("℃", "").astype('int32')
df.head()

2、将日期列转换成pandas的日期

df.set_index(pd.to_datetime(df["ymd"]), inplace=True)
df.index
# DatetimeIndex是Timestamp的列表形式
df.index[0]

3、 方便的对DatetimeIndex进行查询

# 筛选固定的某一天
df.loc['2018-01-05']

# 日期区间
df.loc['2018-01-05':'2018-01-10']

# 按月份前缀筛选
df.loc['2018-03']

# 按月份前缀筛选
df.loc["2018-07":"2018-09"].index

# 按年份前缀筛选
df.loc["2018"].head()

4、方便的获取周、月、季度

Timestamp、DatetimeIndex支持大量的属性可以获取日期分量：
https://pandas.pydata.org/pandas-docs/stable/user_guide/timeseries.html#time-date-components

# 周数字列表
df.index.week

# 月数字列表
df.index.month

# 季度数字列表
df.index.quarter

5、统计每周、每月、每个季度的最高温度

统计每周的数据

df.groupby(df.index.week)["bWendu"].max().head()
df.groupby(df.index.week)["bWendu"].max().plot()

统计每个月的数据

df.groupby(df.index.month)["bWendu"].max()
df.groupby(df.index.month)["bWendu"].max().plot()

统计每个季度的数据

df.groupby(df.index.quarter)["bWendu"].max()
df.groupby(df.index.quarter)["bWendu"].max().plot()