python+pandas+時間、日期以及時間序列處理方法
先簡單的了解下日期和時間數(shù)據(jù)類型及工具
python標(biāo)準(zhǔn)庫包含于日期（date）和時間（time）數(shù)據(jù)的數(shù)據(jù)類型，datetime、time以及calendar模塊會被經(jīng)常用到。
datetime以毫秒形式存儲日期和時間，datetime.timedelta表示兩個datetime對象之間的時間差。
給datetime對象加上或減去一個或多個timedelta，會產(chǎn)生一個新的對象
from datetime import datetime from datetime import timedelta now = datetime.now() now datetime.datetime(2017, 6, 27, 15, 56, 56, 167000) datetime參數(shù)：datetime(year, month, day[, hour[, minute[, second[, microsecond[,tzinfo]]]]]) delta = now - datetime(2017,6,27,10,10,10,10) delta datetime.timedelta(0, 20806, 166990) delta.days 0 delta.seconds 20806 delta.microseconds 166990
只有這三個參數(shù)了！
datetime模塊中的數(shù)據(jù)類型
| 類型 | 說明 |
|---|---|
| date | 以公歷形式存儲日歷日期（年、月、日） |
| time | 將時間存儲為時、分、秒、毫秒 |
| datetime | 存儲日期和時間 |
| timedelta | 表示兩個datetime值之間的差（日、秒、毫秒） |
字符串和datetime的相互轉(zhuǎn)換
1）python標(biāo)準(zhǔn)庫函數(shù)
日期轉(zhuǎn)換成字符串：利用str 或strftime
字符串轉(zhuǎn)換成日期：datetime.strptime
stamp = datetime(2017,6,27)
str(stamp)
'2017-06-27 00:00:00'
stamp.strftime('%y-%m-%d')#%Y是4位年，%y是2位年
'17-06-27'
#對多個時間進(jìn)行解析成字符串
date = ['2017-6-26','2017-6-27']
datetime2 = [datetime.strptime(x,'%Y-%m-%d') for x in date]
datetime2
[datetime.datetime(2017, 6, 26, 0, 0), datetime.datetime(2017, 6, 27, 0, 0)]
2）第三方庫dateutil.parser的時間解析函數(shù)
from dateutil.parser import parse
parse('2017-6-27')
datetime.datetime(2017, 6, 27, 0, 0)
parse('27/6/2017',dayfirst =True)
datetime.datetime(2017, 6, 27, 0, 0)
3）pandas處理成組日期
pandas通常用于處理成組日期，不管這些日期是DataFrame的軸索引還是列，to_datetime方法可以解析多種不同的日期表示形式。
date ['2017-6-26', '2017-6-27'] import pandas as pd pd.to_datetime(date) DatetimeIndex(['2017-06-26', '2017-06-27'], dtype='datetime64[ns]', freq=None)
datetime 格式定義
| 代碼 | 說明 |
|---|---|
| %Y | 4位數(shù)的年 |
| %y | 2位數(shù)的年 |
| %m | 2位數(shù)的月[01,12] |
| %d | 2位數(shù)的日[01，31] |
| %H | 時（24小時制）[00,23] |
| %l | 時（12小時制）[01,12] |
| %M | 2位數(shù)的分[00,59] |
| %S | 秒[00,61]有閏秒的存在 |
| %w | 用整數(shù)表示的星期幾[0（星期天），6] |
| %F | %Y-%m-%d簡寫形式例如，2017-06-27 |
| %D | %m/%d/%y簡寫形式 |
pandas時間序列基礎(chǔ)以及時間、日期處理
pandas最基本的時間序列類型就是以時間戳（時間點）（通常以python字符串或datetime對象表示）為索引的Series：
dates = ['2017-06-20','2017-06-21',\ '2017-06-22','2017-06-23','2017-06-24','2017-06-25','2017-06-26','2017-06-27'] import numpy as np ts = pd.Series(np.random.randn(8),index = pd.to_datetime(dates)) ts 2017-06-20 0.788811 2017-06-21 0.372555 2017-06-22 0.009967 2017-06-23 -1.024626 2017-06-24 0.981214 2017-06-25 0.314127 2017-06-26 -0.127258 2017-06-27 1.919773 dtype: float64 ts.index DatetimeIndex(['2017-06-20', '2017-06-21', '2017-06-22', '2017-06-23', '2017-06-24', '2017-06-25', '2017-06-26', '2017-06-27'], dtype='datetime64[ns]', freq=None)
pandas不同索引的時間序列之間的算術(shù)運算會自動按日期對齊
ts[::2]#從前往后每隔兩個取數(shù)據(jù) 2017-06-20 0.788811 2017-06-22 0.009967 2017-06-24 0.981214 2017-06-26 -0.127258 dtype: float64 ts[::-2]#從后往前逆序每隔兩個取數(shù)據(jù) 2017-06-27 1.919773 2017-06-25 0.314127 2017-06-23 -1.024626 2017-06-21 0.372555 dtype: float64 ts + ts[::2]#自動數(shù)據(jù)對齊 2017-06-20 1.577621 2017-06-21 NaN 2017-06-22 0.019935 2017-06-23 NaN 2017-06-24 1.962429 2017-06-25 NaN 2017-06-26 -0.254516 2017-06-27 NaN dtype: float64
索引為日期的Series和DataFrame數(shù)據(jù)的索引、選取以及子集構(gòu)造
方法：
1）.index[number_int]
2)[一個可以被解析為日期的字符串]
3）對于，較長的時間序列，只需傳入‘年'或‘年月'可返回對應(yīng)的數(shù)據(jù)切片
4）通過時間范圍進(jìn)行切片索引
ts 2017-06-20 0.788811 2017-06-21 0.372555 2017-06-22 0.009967 2017-06-23 -1.024626 2017-06-24 0.981214 2017-06-25 0.314127 2017-06-26 -0.127258 2017-06-27 1.919773 dtype: float64 ts[ts.index[2]] 0.0099673896063391908 ts['2017-06-21']#傳入可以被解析成日期的字符串 0.37255538918121028 ts['21/06/2017'] 0.37255538918121028 ts['20170621'] 0.37255538918121028 ts['2017-06']#傳入年或年月 2017-06-20 0.788811 2017-06-21 0.372555 2017-06-22 0.009967 2017-06-23 -1.024626 2017-06-24 0.981214 2017-06-25 0.314127 2017-06-26 -0.127258 2017-06-27 1.919773 dtype: float64 ts['2017-06-20':'2017-06-23']#時間范圍進(jìn)行切片 2017-06-20 0.788811 2017-06-21 0.372555 2017-06-22 0.009967 2017-06-23 -1.024626 dtype: float64
帶有重復(fù)索引的時間序列
1）.index.is_unique檢查索引日期是否是唯一的
2）對非唯一時間戳的數(shù)據(jù)進(jìn)行聚合，通過groupby，并傳入level = 0（索引的唯一一層）
dates = pd.DatetimeIndex(['2017/06/01','2017/06/02','2017/06/02','2017/06/02','2017/06/03']) dates DatetimeIndex(['2017-06-01', '2017-06-02', '2017-06-02', '2017-06-02', '2017-06-03'], dtype='datetime64[ns]', freq=None) dup_ts = pd.Series(np.arange(5),index = dates) dup_ts 2017-06-01 0 2017-06-02 1 2017-06-02 2 2017-06-02 3 2017-06-03 4 dtype: int32 dup_ts.index.is_unique False dup_ts['2017-06-02'] 2017-06-02 1 2017-06-02 2 2017-06-02 3 dtype: int32 grouped = dup_ts.groupby(level=0).mean() grouped 2017-06-01 0 2017-06-02 2 2017-06-03 4 dtype: int32 dup_df = pd.DataFrame(np.arange(10).reshape((5,2)),index = dates ) dup_df
| 0 | 1 | |
|---|---|---|
| 2017-06-01 | 0 | 1 |
| 2017-06-02 | 2 | 3 |
| 2017-06-02 | 4 | 5 |
| 2017-06-02 | 6 | 7 |
| 2017-06-03 | 8 | 9 |
grouped_df = dup_df.groupby(level=0).mean()##針對DataFrame grouped_df
| 0 | 1 | |
|---|---|---|
| 2017-06-01 | 0 | 1 |
| 2017-06-02 | 4 | 5 |
| 2017-06-03 | 8 | 9 |
總結(jié)
該篇博客主要內(nèi)容：
1）字符串、日期的轉(zhuǎn)換方法
2）日期和時間的主要python，datetime、timedelta、pandas.to_datetime等
3）以時間為索引的Series和DataFrame的索引、切片
4）帶有重復(fù)時間索引時的索引，.groupby(level=0)應(yīng)用
以上這篇python+pandas+時間、日期以及時間序列處理方法就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持腳本之家。
相關(guān)文章
Python?識別錄音并轉(zhuǎn)為文字的實現(xiàn)
本文主要介紹了Python?識別錄音并轉(zhuǎn)為文字的實現(xiàn)，文中通過示例代碼介紹的非常詳細(xì)，具有一定的參考價值，感興趣的小伙伴們可以參考一下2022-03-03
在本篇文章里小編給大家整理了關(guān)于python實現(xiàn)雪花飄落效果的相關(guān)實例內(nèi)容，以及代碼寫法，需要的朋友們參考下。2019-06-06
python計算機(jī)視覺實現(xiàn)全景圖像拼接示例
這篇文章主要為大家介紹了python計算機(jī)視覺實現(xiàn)全景圖像拼接示例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2022-05-05
這篇文章主要介紹了python列表推導(dǎo)式，文章內(nèi)容附有經(jīng)典的詳細(xì)代碼，感興趣的小伙按可以參考下面文章具體內(nèi)容2021-10-10
這篇文章主要介紹了python獲取本機(jī)mac地址和ip地址的方法,涉及Python獲取系統(tǒng)相關(guān)信息的技巧,需要的朋友可以參考下2015-04-04
這篇文章主要介紹了Python常用模塊之datetime模塊詳解,datetime是Python處理日期和時間的標(biāo)準(zhǔn)庫,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2023-08-08
今天小編就為大家分享一篇Python封裝成可帶參數(shù)的EXE安裝包實例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-08-08
這篇文章主要介紹了pyspark操作MongoDB的方法步驟，小編覺得挺不錯的，現(xiàn)在分享給大家，也給大家做個參考。一起跟隨小編過來看看吧2019-01-01
選擇法也算是入門的一種排序算法，比起冒泡法，它的方法巧妙了一些，它的出發(fā)點在于“挑”，每次挑選數(shù)組的最值，與前置元素?fù)Q位，然后繼續(xù)挑選剩余元素的最值并重復(fù)操作。個人認(rèn)為選擇排序的意義不在于排序本身，而在于挑選和置換的方法，對于一些問題很有幫助。2017-06-06
VTK與Python實現(xiàn)機(jī)械臂三維模型可視化詳解
這篇文章主要介紹了VTK與Python實現(xiàn)機(jī)械臂三維模型可視化詳解，具有一定借鑒價值，需要的朋友可以參考下。2017-12-12