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。Pandas提供了强大的日期数据处理的功能,下面整理了一些使用pandas处理时间变量的常用技巧。
1.生成时间序列
import pandas as pdimport numpy as nprng_day = pd.date_range('1/1/2011', periods=24, freq='D')rng_month=pd.date_range('1/1/2011', periods=24, freq='M')
pandas主要提供pd.data_range()和pd.period_range()两个方法,给定参数有起始时间、结束时间、生成时期的数目及时间频率(freq='M’月,'D’天,‘W’,周,'Y’年)等。
两种主要区别在于pd.date_range()生成的是DatetimeIndex格式的日期序列;pd.period_range()生成的是PeriodIndex格式的日期序列。
2.转化日期格式 2.1 字符串转时间 方法一:使用pd.to_datetime()
## 方法一:使用pd.to_datetime()series1=p