亲宝软件园·资讯

展开

Pandas时序数据

Viva Python 人气:0

Pandas时序数据

前言 在数据分析中,时序数据是一类非常重要的数据。事物的发展总是伴随着时间的推移,数据也会在各个时间点上产生。

一、python中的时间表示-datetime模块

​ Python的标准库datetime支持创建和处理时间,Pandas的时间时序模块是在datetime的基础上建立的。

1.换取当前时间

import datetime

now = datetime.datetime.now()  # 2022-03-06 18:43:49.506048

其中now的全貌如下,是一个datetime对象:

now: datetime.datetime(2022, 3, 6, 18, 37, 10, 132078)

​ datetime.datetime对象常用的方法:

​ (1) strftime(): 对datetime对象的格式进行转换。使用含%的占位符书写目标格式,如:

newForm = now.strftime("%Y-%m-%d (%H:%M:%S)")
# 2022-03-06 (18:52:31)  为字符串类型

​ 各占位符的含义如下

% y 两位数的年份表示(00 - 99)
% Y 四位数的年份表示(000 - 9999)
% m 月份(01 - 12)
% d 月内中的一天(0 - 31)
% H 24小时制小时数(0 - 23)
% I 12小时制小时数(01 - 12)
% M 分钟数(00 = 59)
% S 秒(00 - 59)
% a 本地简化星期名称
% A 本地完整星期名称
% b 本地简化的月份名称
% B 本地完整的月份名称
% c 本地相应的日期表示和时间表示
% j 年内的一天(001 - 366)
% p 本地A.M.或P.M.的等价符
% U 一年中的星期数(00 - 53)星期天为星期的开始
% w 星期(0 - 6),星期天为星期的开始
% W 一年中的星期数(00 - 53)星期一为星期的开始
% x 本地相应的日期表示
% X 本地相应的时间表示
% Z 当前时区的名称
% %  % 号本身

2.指定时间

datetime.datetime()中传入对应的参数,默认按照单位从大到小指定

birthday = datetime.datetime(2001, 1, 11)  # 默认指定
print(birthday)

​ 也可以通过参数指定,其中yearmonnthday三个参数必须指定

yesterday = pd.Timestamp(2022, 3, 5)  # 2022-03-05 00:00:00
now = pd.Timestamp("now")  # 2022-03-06 19:13:56.507604

3.运算

(1) datetime.datetime对象之间支持减法运算,得到的是一个datetime.timedelta对象

delta = yeaterday - birthday  # 7723 days, 0:00:00

二、 Pandas处理时序序列 

1.pd.Timestamp()

pd.Timestamp()Pandas定义事时间的主要函数, 支持更丰富的定义时间的构造方法

(1) 根据datetime.datetime对象

now = pd.Timestamp(datetime.datetime.now())
print(now)  # 2022-03-06 19:07:07.253402

(2) 根据字符串

today = pd.Timestamp("2022-03-06")
print(today)  # 2022-03-06 00:00:00

(3) 更具指定的参数

yesterday = pd.Timestamp(2022, 3, 5)  # 2022-03-05 00:00:00
now = pd.Timestamp("now")  # 2022-03-06 19:13:56.507604

(4) 根据时间戳

pd.Timestamp(1646565103.114923, unit="s")  # unit指定单位为秒

2.pd.Timedelta()

pd.Timedelta()用于创建时间差对象,也具有与pd.Timestamp()类似的构造方法。

(1) 根据字符串创建

oneDay = pd.Timedelta("1 days")  # 1 days 00:00:00
duration = pd.Timedelta("2 days 2 hours")  # 1 days 02:00:00

(2) 指定参数创建

oneDay = pd.Timedelta(days=1)  # 1 days 00:00:00

3.运算

与`datetime`模块运算类似,`pandas`的`Timestamp`对象之间相减可以得到`Timedelta`对象。

4.时间索引

数据表中长常使用时间作为索引,pandas支持创建长时间序列

​(1) pd.to_datetime()

pd.to_datetime()支持将时间对象和类时间字符串转化为DatetimeIndex对象。

index = pd.to_datetime(["03/06/2022", datetime.datetime.now()])
print(index)
# DatetimeIndex(['2022-03-06 00:00:00', '2022-03-06 19:29:44.855267'], dtype='datetime64[ns]', freq=None)

​ (2) pd.date_range()

​ pd.date_range()可以给定开始时间或者结束时间,并且指定周期数据,周期频率,会自动生成在此范围的时间索引数据:

index = pd.date_range(start="2022-01-01", periods=10)
print(index)
# DatetimeIndex(['2022-01-01', '2022-01-02', '2022-01-03', '2022-01-04',
               '2022-01-05', '2022-01-06', '2022-01-07', '2022-01-08',
               '2022-01-09', '2022-01-10'],
              dtype='datetime64[ns]', freq='D')

​ 如果要跳过休息日可以使用pd.bdate_range()函数

总结

本篇文章就到这里了,希望能够给你带来帮助,也希望您能够多多关注的更多内容!    

加载全部内容

相关教程
猜你喜欢
用户评论