Python酷库之旅-第三方库Pandas(074)

目录

一、用法精讲

301、pandas.Series.dt.components属性

301-1、语法

301-2、参数

301-3、功能

301-4、返回值

301-5、说明

301-6、用法

301-6-1、数据准备

301-6-2、代码示例

301-6-3、结果输出

302、pandas.Series.dt.to_pytimedelta方法

302-1、语法

302-2、参数

302-3、功能

302-4、返回值

302-5、说明

302-6、用法

302-6-1、数据准备

302-6-2、代码示例

302-6-3、结果输出

303、pandas.Series.dt.total_seconds方法

303-1、语法

303-2、参数

303-3、功能

303-4、返回值

303-5、说明

303-6、用法

303-6-1、数据准备

303-6-2、代码示例

303-6-3、结果输出

304、pandas.Series.str.capitalize方法

304-1、语法

304-2、参数

304-3、功能

304-4、返回值

304-5、说明

304-6、用法

304-6-1、数据准备

304-6-2、代码示例

304-6-3、结果输出

305、pandas.Series.str.casefold方法

305-1、语法

305-2、参数

305-3、功能

305-4、返回值

305-5、说明

305-6、用法

305-6-1、数据准备

305-6-2、代码示例

305-6-3、结果输出

二、推荐阅读

1、Python筑基之旅

2、Python函数之旅

3、Python算法之旅

4、Python魔法之旅

5、博客个人主页

一、用法精讲

301、pandas.Series.dt.components属性

301-1、语法

# 301、pandas.Series.dt.components属性
pandas.Series.dt.components
Return a Dataframe of the components of the Timedeltas.

Returns:
DataFrame

301-2、参数

        无

301-3、功能

        从一个时间序列对象中提取项的各个部分，如年份、月份、日、小时、分钟、秒、毫秒、微秒、纳秒等。

301-4、返回值

        返回一个DataFrame，其中每一列代表时间序列的一个组成部分。

301-5、说明

        使用场景：

301-5-1、财务数据分析：在金融数据分析中，通常需要对日期进行分解，以便按年、月、日、季度等进行聚合和分析。例如，按季度计算股票平均价格。

301-5-2、运营数据分析：在运营数据分析中，可以根据时间的不同组成部分对数据进行拆分和聚合。例如，按周统计网站访问量。

301-5-3、机器学习中的特征工程：在机器学习的特征工程中，时间序列数据的不同组成部分可以作为特征，以提高模型的性能。例如，构建包含时间特征的机器学习数据集。

301-5-4、物流和供应链管理：在物流和供应链管理中，可以根据时间的不同组成部分优化运输和库存管理。例如，根据小时分析仓库入库量。

301-5-5、电商数据分析：在电商平台的数据分析中，可以根据时间的不同组成部分分析销售趋势和用户行为。例如，按月统计商品销售量。

301-6、用法

301-6-1、数据准备

无

301-6-2、代码示例

# 301、pandas.Series.dt.components属性
# 301-1、按季度计算股票平均价格
import pandas as pd
# 创建示例数据
date_range = pd.date_range(start='2024-01-01', periods=100, freq='D')
stock_prices = pd.Series(range(100), index=date_range)
df = pd.DataFrame({'date': date_range, 'price': stock_prices})
# 提取日期各部分
df['quarter'] = df['date'].dt.quarter
# 按季度计算平均价格
quarterly_avg_price = df.groupby('quarter')['price'].mean()
print(quarterly_avg_price, end='\n\n')

# 301-2、按周统计网站访问量
import pandas as pd
# 创建示例数据
date_range = pd.date_range(start='2024-01-01', periods=30, freq='D')
visit_counts = pd.Series(range(30), index=date_range)
df = pd.DataFrame({'date': date_range, 'visits': visit_counts})
# 提取日期各部分
df['week'] = df['date'].dt.isocalendar().week
# 按周统计访问量
weekly_visits = df.groupby('week')['visits'].sum()
print(weekly_visits, end='\n\n')

# 301-3、构建包含时间特征的机器学习数据集
import pandas as pd
# 创建示例数据
date_range = pd.date_range(start='2024-01-01', periods=50, freq='h')
values = pd.Series(range(50), index=date_range)
df = pd.DataFrame({'datetime': date_range, 'value': values})
# 提取日期时间各部分
df['year'] = df['datetime'].dt.year
df['month'] = df['datetime'].dt.month
df['day'] = df['datetime'].dt.day
df['hour'] = df['datetime'].dt.hour
df['weekday'] = df['datetime'].dt.weekday
print(df.head(), end='\n\n')

# 301-4、根据小时分析仓库入库量
import pandas as pd
# 创建示例数据
date_range = pd.date_range(start='2024-01-01', periods=24, freq='h')
inbound_quantities = pd.Series(range(24), index=date_range)
df = pd.DataFrame({'datetime': date_range, 'quantity': inbound_quantities})
# 提取时间各部分
df['hour'] = df['datetime'].dt.hour
# 按小时统计入库量
hourly_inbound = df.groupby('hour')['quantity'].sum()
print(hourly_inbound, end='\n\n')

# 301-5、按月统计商品销售量
import pandas as pd
# 创建示例数据
date_range = pd.date_range(start='2024-01-01', periods=100, freq='D')
sales_quantities = pd.Series(range(100), index=date_range)
df = pd.DataFrame({'date': date_range, 'sales': sales_quantities})
# 提取日期各部分
df['month'] = df['date'].dt.month
# 按月统计销售量
monthly_sales = df.groupby('month')['sales'].sum()
print(monthly_sales, end='\n\n')

# 301-6、网站每日访问量分析(可视化)
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
# 生成日期范围
date_range = pd.date_range(start='2024-07-01', end='2024-07-31', freq='D')
# 模拟每日访问量数据
np.random.seed(42)
visits = np.random.poisson(lam=100, size=len(date_range))
# 创建数据框
df = pd.DataFrame({'date': date_range, 'visits': visits})
print(df.head())
# 设置图形大小
plt.figure(figsize=(12, 6))
# 绘制时间序列图
plt.plot(df['date'], df['visits'], marker='o', linestyle='-', color='b', label='Daily Visits')
plt.scatter(df['date'], df['visits'], color='red')  # 设置数据点为红色
# 添加标题和标签
plt.title('Daily Website Visits in July 2024')
plt.xlabel('Date')
plt.ylabel('Number of Visits')
plt.xticks(rotation=15)
plt.grid(True)
# 添加平均线
average_visits = df['visits'].mean()
plt.axhline(y=average_visits, color='r', linestyle='--', label=f'Average Visits ({average_visits:.1f})')
# 添加图例
plt.legend()
# 显示图形
plt.tight_layout()
# 显示数据标签并设置为红色
for i in range(len(df)):
    plt.annotate(text=str(df['visits'][i]), xy=(df['date'][i], df['visits'][i]),
                 xytext=(-5, 5), textcoords='offset points', ha='center', va='bottom', color='red', fontweight='bold')
plt.show()

301-6-3、结果输出

# 301、pandas.Series.dt.components属性
# 301-1、按季度计算股票平均价格
# quarter
# 1    45.0
# 2    95.0
# Name: price, dtype: float64

# 301-2、按周统计网站访问量
# week
# 1     21
# 2     70
# 3    119
# 4    168
# 5     57
# Name: visits, dtype: int64

# 301-3、构建包含时间特征的机器学习数据集
#                                datetime  value  year  month  day  hour  weekday
# 2024-01-01 00:00:00 2024-01-01 00:00:00      0  2024      1    1     0        0
# 2024-01-01 01:00:00 2024-01-01 01:00:00      1  2024      1    1     1        0
# 2024-01-01 02:00:00 2024-01-01 02:00:00      2  2024      1    1     2        0
# 2024-01-01 03:00:00 2024-01-01 03:00:00      3  2024      1    1     3        0
# 2024-01-01 04:00:00 2024-01-01 04:00:00      4  2024      1    1     4        0

# 301-4、根据小时分析仓库入库量
# hour
# 0      0
# 1      1
# 2      2
# 3      3
# 4      4
# 5      5
# 6      6
# 7      7
# 8      8
# 9      9
# 10    10
# 11    11
# 12    12
# 13    13
# 14    14
# 15    15
# 16    16
# 17    17
# 18    18
# 19    19
# 20    20
# 21    21
# 22    22
# 23    23
# Name: quantity, dtype: int64

# 301-5、按月统计商品销售量
# month
# 1     465
# 2    1305
# 3    2325
# 4     855
# Name: sales, dtype: int64

# 301-6、网站每日访问量分析(可视化)
# 见图1
#         date  visits
# 0 2024-07-01      96
# 1 2024-07-02     107
# 2 2024-07-03      88
# 3 2024-07-04     103
# 4 2024-07-05     111

图1：

302、pandas.Series.dt.to_pytimedelta方法

302-1、语法

# 302、pandas.Series.dt.to_pytimedelta方法
pandas.Series.dt.to_pytimedelta()
Return an array of native datetime.timedelta objects.

Python’s standard datetime library uses a different representation timedelta’s. This method converts a Series of pandas Timedeltas to datetime.timedelta format with the same length as the original Series.

Returns:
numpy.ndarray
Array of 1D containing data with datetime.timedelta type.

302-2、参数

        无

302-3、功能

        用于将pandas.Series对象中的时间差(Timedelta)数据转换为Python的datetime.timedelta对象。

302-4、返回值

        返回一个pandas.Series对象，其中的每一个元素都是一个datetime.timedelta对象。

302-5、说明

        使用场景：

302-5-1、与其他库兼容：某些库或函数可能不直接支持pandas的Timedelta类型，但可以接受标准Python的timedelta类型。在这种情况下，可以使用to_pytimedelta()进行转换。

302-5-2、标准化处理：在数据分析中，如果你需要将时间差数据传递给其他只接受Python原生数据类型的工具或函数(例如自定义代码、第三方库等)，使用to_pytimedelta()可以确保数据格式的一致性。

302-5-3、调试和测试：在调试代码时，可能需要将pandas的Timedelta对象转换为Python标准库的timedelta对象，以便更容易地验证和比较结果。

302-6、用法

302-6-1、数据准备

无

302-6-2、代码示例

# 302、pandas.Series.dt.to_pytimedelta方法
# 302-1、与其他库兼容
import pandas as pd
# 创建一个包含时间差的Series
timedelta_series = pd.Series(pd.to_timedelta(['1 days', '2 days', '3 days']))
# 将Series转换为Python的timedelta对象
pytimedelta_series = timedelta_series.dt.to_pytimedelta()
# 例如，假设你有一个自定义的函数需要标准的timedelta对象
def custom_function(timedeltas):
    for delta in timedeltas:
        print(f"Processed timedelta: {delta}")
custom_function(pytimedelta_series)
print('\n')

# 302-2、标准化处理
import pandas as pd
from datetime import timedelta
# 创建一个包含时间差的Series
timedelta_series = pd.Series(pd.to_timedelta(['10 hours', '5 hours', '8 hours']))
# 将Series转换为Python的timedelta对象
pytimedelta_series = timedelta_series.dt.to_pytimedelta()
# 使用标准Python的timedelta对象
total_duration = sum(pytimedelta_series, timedelta())
print(f"Total duration: {total_duration}", end='\n\n')

# 302-3、调试和测试
import pandas as pd
# 创建一个包含时间差的 Series
timedelta_series = pd.Series(pd.to_timedelta(['1 days 2 hours', '3 days 4 hours']))
# 将 Series 转换为 Python 的 timedelta 对象
pytimedelta_series = timedelta_series.dt.to_pytimedelta()
# 假设你要验证转换后的结果
for original, converted in zip(timedelta_series, pytimedelta_series):
    print(f"Original timedelta: {original}, Converted timedelta: {converted}")

302-6-3、结果输出

# 302、pandas.Series.dt.to_pytimedelta方法
# 302-1、与其他库兼容
# Processed timedelta: 1 day, 0:00:00
# Processed timedelta: 2 days, 0:00:00
# Processed timedelta: 3 days, 0:00:00

# 302-2、标准化处理
# Total duration: 23:00:00

# 302-3、调试和测试
# Original timedelta: 1 days 02:00:00, Converted timedelta: 1 day, 2:00:00
# Original timedelta: 3 days 04:00:00, Converted timedelta: 3 days, 4:00:00

303、pandas.Series.dt.total_seconds方法

303-1、语法

# 303、pandas.Series.dt.total_seconds方法
pandas.Series.dt.total_seconds(*args, **kwargs)
Return total duration of each element expressed in seconds.

This method is available directly on TimedeltaArray, TimedeltaIndex and on Series containing timedelta values under the .dt namespace.

Returns:
ndarray, Index or Series
When the calling object is a TimedeltaArray, the return type is ndarray. When the calling object is a TimedeltaIndex, the return type is an Index with a float64 dtype. When the calling object is a Series, the return type is Series of type float64 whose index is the same as the original.

303-2、参数

303-2-1、*args(可选)：其他位置参数，为后续扩展功能做预留。

303-2-2、**kwargs(可选)：其他关键字参数，为后续扩展功能做预留。

303-3、功能

        用于将Timedelta对象的时间差转换为秒数，该功能特别适用于时间差数据的处理与分析。

303-4、返回值

        返回一个浮点数，表示时间差的总秒数，对于Series对象，返回一个包含总秒数的Series。

303-5、说明

        使用场景：

303-5-1、计算总秒数：假设你有一个pandas.Series对象，其中包含多个时间差数据，你可以使用该方法将其转换为秒数

303-5-2、数据分析：在数据分析中，可能需要将时间差转换为秒数以便进行统计分析，例如，计算平均时间差。

303-5-3、转换为其他单位：将时间差数据转换为秒数后，可以方便地进行其他单位的转换，例如，小时或分钟。

303-6、用法

303-6-1、数据准备

无

303-6-2、代码示例

# 303、pandas.Series.dt.total_seconds方法
# 303-1、计算总秒数
import pandas as pd
# 创建一个包含时间差的Series
timedelta_series = pd.Series(pd.to_timedelta(['1 days 2 hours', '3 days 4 hours']))
# 计算总秒数
seconds_series = timedelta_series.dt.total_seconds()
print(seconds_series, end='\n\n')

# 303-2、数据分析
import pandas as pd
# 创建一个包含时间差的Series
timedelta_series = pd.Series(pd.to_timedelta(['10 minutes', '20 minutes', '30 minutes']))
# 计算总秒数
seconds_series = timedelta_series.dt.total_seconds()
# 计算平均时间差（以秒为单位）
average_seconds = seconds_series.mean()
print(f"Average duration in seconds: {average_seconds}", end='\n\n')

# 303-3、转换为其他单位
import pandas as pd
# 创建一个包含时间差的Series
timedelta_series = pd.Series(pd.to_timedelta(['2 hours', '3.5 hours', '1 hour 45 minutes']))
# 计算总秒数
seconds_series = timedelta_series.dt.total_seconds()
# 转换为小时
hours_series = seconds_series / 3600
print(hours_series)

303-6-3、结果输出

# 303、pandas.Series.dt.total_seconds方法
# 303-1、计算总秒数
# 0     93600.0
# 1    273600.0
# dtype: float64

# 303-2、数据分析
# Average duration in seconds: 1200.0

# 303-3、转换为其他单位
# 0    2.00
# 1    3.50
# 2    1.75
# dtype: float64

304、pandas.Series.str.capitalize方法

304-1、语法

# 304、pandas.Series.str.capitalize方法
pandas.Series.str.capitalize()
Convert strings in the Series/Index to be capitalized.

Equivalent to str.capitalize().

Returns:
Series or Index of object.

304-2、参数

        无

304-3、功能

        用于将字符串中的每个元素的首字母大写，其余字母小写，这对于标准化文本数据中的字符串格式非常有用。

304-4、返回值

        返回一个新的Series对象，其中每个字符串的首字母被大写化，其余字母则转为小写。

304-5、说明

        无

304-6、用法

304-6-1、数据准备

无

304-6-2、代码示例

# 304、pandas.Series.str.capitalize方法
# 304-1、基本使用
import pandas as pd
# 创建包含字符串的Series
string_series = pd.Series(['hello world', 'python programming', 'data science'])
# 首字母大写
capitalized_series = string_series.str.capitalize()
print(capitalized_series, end='\n\n')

# 304-2、处理含有多单词的字符串
import pandas as pd
# 创建包含多单词字符串的Series
string_series = pd.Series(['machine learning', 'deep learning', 'natural language processing'])
# 首字母大写
capitalized_series = string_series.str.capitalize()
print(capitalized_series, end='\n\n')

# 304-3、处理不同类型的字符串
import pandas as pd
# 创建包含各种字符串的 Series
string_series = pd.Series(['123abc', 'FOO', 'bar123'])
# 首字母大写
capitalized_series = string_series.str.capitalize()
print(capitalized_series)

304-6-3、结果输出

# 304、pandas.Series.str.capitalize方法
# 304-1、基本使用
# 0           Hello world
# 1    Python programming
# 2          Data science
# dtype: object

# 304-2、处理含有多单词的字符串
# 0               Machine learning
# 1                  Deep learning
# 2    Natural language processing
# dtype: object

# 304-3、处理不同类型的字符串
# 0    123abc
# 1       Foo
# 2    Bar123
# dtype: object

305、pandas.Series.str.casefold方法

305-1、语法

# 305、pandas.Series.str.casefold方法
pandas.Series.str.casefold()
Convert strings in the Series/Index to be casefolded.

Equivalent to str.casefold().

Returns:
Series or Index of object

305-2、参数

        无

305-3、功能

        用于将字符串中的每个元素转换为小写形式，具备更强的Unicode比较能力，它在文本处理时提供了一种比常规小写转换更为强大的方法，尤其是在处理不同语言和区域的字符时。

305-4、返回值

        返回一个新的Series对象，其中每个字符串元素都被转换为小写，适用于多种语言字符。

305-5、说明

        无

305-6、用法

305-6-1、数据准备

无

305-6-2、代码示例

# 305、pandas.Series.str.casefold方法
# 305-1、基本使用
import pandas as pd
# 创建包含字符串的Series
string_series = pd.Series(['Hello World', 'Python Programming', 'Data Science'])
# 使用casefold转换为小写
casefolded_series = string_series.str.casefold()
print(casefolded_series, end='\n\n')

# 305-2、处理特殊字符
import pandas as pd
# 创建包含特殊字符的Series
string_series = pd.Series(['Sträßchen', 'ß', 'Öl', 'Äpfel'])
# 使用casefold转换为小写
casefolded_series = string_series.str.casefold()
print(casefolded_series, end='\n\n')

305-6-3、结果输出

# 305、pandas.Series.str.casefold方法
# 305-1、基本使用
# 0           hello world
# 1    python programming
# 2          data science
# dtype: object

# 305-2、处理特殊字符
# 0    strässchen
# 1            ss
# 2            öl
# 3         äpfel
# dtype: object

二、推荐阅读

1、Python筑基之旅

2、Python函数之旅

3、Python算法之旅

4、Python魔法之旅

5、博客个人主页