js时间戳转换成年月日时分秒_Python数据处理笔记——Pandas时间数据提取处理

做数据分析时,对于有时间数据的数据来源,在时间维度上的剖析必不可少

比如:

  • 在一天的销售时间内,哪些时间段是高峰
  • 是否与星期有关
  • RFM模型中的R怎么快速计算距离天数
  • 如何找出某个时间点或时间段的数据
883cc6f345eb3c2499c3ac7173dbabd0.png

以某订单数据为例

289952272f7e3d3808f05d0d5093e973.png

查看时间列,包括日期和时间,从19年到20年,共约4万条数据,注意类型是datetime

07feb9ea041bf317fe5f39e7946bbd93.png

如果类型不是datetime,则后续无法处理时间数据!

如下新建一列类型不是datetime的时间数据,在提取年份时会出错

8ddf5e61b16cee3e8cd6f4315cf45aa3.png

如果时间数据不是默认类型时,需要进行类型转换

1cb2fb01e10d9ffb62e89bd471791d64.png

提取年月日、时分秒、第几周,闰年等

f6ba468bf44bb1aa7c33dfcc11bbe555.png

提取星期,其中0表示周一

095566230ee0ff444623dade5f217c18.png

想转换成中文,可以做如下:

前面内置函数的笔记有讲到

ef712e4be8c959287ea329d0dbb71541.png

首先构造一个字典,这里就可以用到enumerate这一内置函数

4371510125131b6d07bbe1cd9e86cde4.png

map下即可

ec180cd23d4a5016314f4a9ad1b304ce.png

查看星期的平均支付金额

75f3be4485ff09067a505d3cdfb66c44.png

在一天的销售时间内,哪些时间段是高峰

eccf59c9d2d40dd3cbd5da650182843d.png

看来是夜市


分离日期和时间

4c4e12bfe59b6418847547b6aebe8d26.png

这里日期类型改为datetime,因为后续要计算


计算距离天数,RFM模型中的R

考察结束时间可以是当前时间

ee9f487860476ce3e7c01ead01f12df6.png

也可以是数据中最大的时间,这里使用数据中最大的日期,注意作差后.days才是距离天数

144c9e88387d389e1d54c4adc2e620ce.png

计算客户最近一次购买时间距离考察结束时间天数R

74e286600eeb5946e7916853224eb28d.png

使用时间索引

这里有个前提,索引必须唯一

就现在使用的这个例子数据,时间一列是有重复值的

09690314be34f2cc56548a3e97d961ca.png

当index不为时间时:

先导入datetime库

a1e258d364e524ef6541230ff8a3d175.png

根据datetime查找数据,其中年月日这三个参数是必须!若想单独年份、月份需用上诉分离

当想精确查找时候,必须加上年月日时分秒参数,除非是日期一列

1667cb3f44cb61b2c9c31f6a042912a1.png

模糊查找,9月1日到9月5日数据

d07ff03e6f7044ba1389ce6cb3ee83be.png

查找1号2点到5点的数据

fe52ec2203fe6896ba27c10d17b5c12b.png

当时间数据唯一时,可以用作index:

这里我先去除重复值

4fcf1cf2dd5ac40e0f8b46c8f7b6204c.png

重设索引

72f8ae1ddfdac03f27a5f5bea6278ca4.png

这样就能利用时间快速索引,因为相当于减少了一个维度

获取2019年的数据

bd9b01920d582999ef70dece61600ac7.png

获取年份销售额

0225005d5221d61bd7cbf30a5ec43d4c.png

获取2019年销售额前3的省份

e872fa8079bc36bcc0346ee01c1d1ccd.png

获取日期或时间切片数据,这里的切片包括后部,如下包括2020

b77664ff311e449bedf4e0b340024dd0.png

获取5日到6日数据

03c5cd2ce908ef8662120126e38b0a6a.png

获取5日0点到5点的数据

e6273c781a492256d84b50f2f085e914.png

方便确实方便,但是前提需要注意,索引唯一!

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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