Pandas(四)：datetime

点击跳转
《Pandas系列目录》

---

---

1. Timestamp

• 时间类中最基础的一种，也是最常用的。多数情况下，时间相关的字符串都会转换成Timestamp

• to_datetime()，能够实现这一目标

  order['lock_time'] = pd.to_datetime(order['lock_time'])
  

• Timestamp类型时间是有限制的

  print("min:", pd.Timestamp.min)  # min: 1677-09-21 00:12:43.145225
  print("max:", pd.Timestamp.max)  # max: 2262-04-11 23:47:16.854775807
  

• Timestamp类常用属性

  • 在多数涉及时间相关的数据处理、统计分析的过程中，需要提取时间中的年份、月份等数据，使用对应的Timestamp类属性可以实现这一目的
  • 结合Python列表推导式，可以实现对DataFrame某一列时间信息数据的提取

  

  # 转换为datetime
  order['lock_time'] = pd.to_datetime(order['lock_time'])
  
  year1 = [i.year for i in order['lock_time']]
  print('lock_time中的年份数据前5个为：', year1[:5])
  
  month1 = [i.month for i in order['lock_time']]
  print('lock_time中的月份数据前5个为：', month1[:5])
  
  day1 = [i.day for i in order['lock_time']]
  print('lock_time中的日期数据前5个为：', day1[:5])
  
  weekday1 = [i.weekday_name for i in order['lock_time']]
  print('lock_time中的星期名称数据前5个为：', weekday1[:5])
  
  # 使用DatetimeIndex
  dateIndex = pd.DatetimeIndex(order["lock_time"])
  print(dateIndex.weekday_name[:5])
  
  # 使用PeriodIndex
  periodIndex = pd.PeriodIndex(order["lock_time"], freq='S')
  print(periodIndex.weekday[:5])	# 没有weekday_name属性，0表示Monday
  

2. DatetimeIndex与PeriodIndex

• 除了将数据原始DataFrame中直接转换为Timestamp以外，还可以将数据单独提取出来转换为DatetimeIndex或PeriodIndex

• DatetimeIndex：用来指代一系列时间点的数据结构

• PeriodIndex：用来指代一系列时间段的数据结构

• DatetimeIndex与PeriodIndex函数

  • 除了将数据原始DataFrame中直接转换为Timestamp以外，还可以将数据单独提取出来转换为DatetimeIndex或Periodndex

    # 转换为DatetimeIndex
    dateIndex = pd.DatetimeIndex(order["lock_time"])
    
    # 转换为PeriodIndex
    periodIndex = pd.PeriodIndex(order["lock_time"], freq='S')
    

  • 转换为PeriodIndex时，需要通过freq参数指定时间间隔

    • Y：年
    • M：月
    • D：日
    • H：小时
    • T：分钟
    • S：秒

  • 两个函数可以用来转换数据，还可以用来创建时间序列数据，参数非常相似

3. 加减时间数据

• Timedelta类

  • Timedelta是时间相关的类中的一个异类，不仅能够使用正数，还能够使用负数表示单位时间，例如1秒，2分钟，3小时等
  • 使用Timedelta类，配合常规的时间相关类能够轻松实现时间的算术运算
  • 目前Timedelta函数中时间周期没有年和月

  

order['lock_time'] = pd.to_datetime(order['lock_time'])         # 转换为datetime

time1 = order['lock_time'] + pd.Timedelta(days=1)
timeDelta = order['lock_time'] - pd.to_datetime('2017-1-1')     # 字符串

print(timeDelta.dtypes) # timedelta64[ns]

import pandas as pd

order = pd.read_table('...')

# 时间字符串转换为标准时间格式
order['use_start_time'] = pd.to_datetime(order['use_start_time'])
order['lock_time'] = pd.to_datetime(order['lock_time'])

# 订单信息表时间信息提取
year = [i.year for i in order['lock_time']]             # 提取年份信息
month = [i.month for i in order['lock_time']]           # 提取月份信息
day = [i.day for i in order['lock_time']]               # 提取日期信息
week = [i.week for i in order['lock_time']]             # 提取周信息
weekday = [i.weekday() for i in order['lock_time']]     # 提取星期信息
weekname = [i.weekday_name for i in order['lock_time']]	# 提取星期名称信息，出错

print('订单详情表中的前5条数据的年份信息为：', year[:5])
print('订单详情表中的前5条数据的月份信息为：', month[:5])
print('订单详情表中的前5条数据的日期信息为：', day[:5])
print('订单详情表中的前5条数据的周信息为：', week[:5])
print('订单详情表中的前5条数据的星期信息为：', weekday[:5])
print('订单详情表中的前5条数据的星期名称信息为：', weekname[:5])

# 查看订单信息表时间统计信息
timemin = order['lock_time'].min()
timemax = order['lock_time'].max()
print('订单最早的时间为：', timemin)
print('订单最晚的时间为：', timemax)
print('订单持续的时间为：', timemax - timemin)

chekTime = order['lock_time'] - order['use_start_time']
print('平均点餐时间为：', chekTime.mean())
print('最小点餐时间为：', chekTime.min())
print('最大点餐时间为：', chekTime.max())