Python数据分析——Pandas基础：dt.datetime与pivot_table()数据透视表

系列文章目录

Chapter 1：创建与探索DF、排序、子集化：Python数据分析——Pandas基础入门+代码（一）
Chapter 2：聚合函数，groupby，统计分析：Python数据分析——Pandas基础入门+代码（二）
Chapter 3：索引和切片：Python数据分析——Pandas基础入门+代码（三）
Chapter 4：可视化与读写csv文件：Python数据分析——Pandas基础入门+代码（四）
Chapter 5：数据透视表：Python数据分析——Pandas基础入门+代码之数据透视表

---

---

前言

这一篇主要讲的是：如何用pandas做数据透视表 以及 时间数据上的小处理
一些非常基础的内容，把官方的文档进行了一些解释

---

时间数据的提取

这里希望我们做一个关于城市温度的年份数据透视表，也就是要先处理一下时间数据。

在dataframe里面，时间数据的处理是用这么一条代码

dataframe["column"].dt.[component]

这个component可以用year, month, day来代替

# 只取年份
dataframe["column"].dt.year

# 只取月份
dataframe["column"].dt.month

# 只取日期
dataframe["column"].dt.day

比如原数据是这样的

In[1]: temperatures["date"]
Out[1]: 
0       2000-01-01
1       2000-02-01
2       2000-03-01
3       2000-04-01
4       2000-05-01
           ...    
16495   2013-05-01
16496   2013-06-01
16497   2013-07-01
16498   2013