Python学习笔记：Pandas处理时间类型之dt模块 |
您所在的位置：网站首页 › python模块说明 › Python学习笔记：Pandas处理时间类型之dt模块 |
|
Pandas.Series 对象和 DataFrame 的列数据提供了 cat、dt、str 三种属性接口（accessors），分别对应分类数据、日期时间数据和字符串数据。 通过这几个接口可以快速实现特定的功能，十分便捷。 今天先针对 dt 接口对时间模块进行学习。 一、构建测试数据集 # 创建测试数据 import pandas as pd df = pd.DataFrame({ 'id': range(5), 'time': ['2020-02-01 00:20:06', '2022-03-02 15:50:17', '2023-03-08 08:46:30', '2020-03-20 10:19:06', '2020-05-01 02:19:50'] }) # 观察数据类型 df.dtypes ''' id int64 time object ''' 二、转化为时间类型 df['time2'] = pd.to_datetime(df['time']) df['time2'] = pd.to_datetime(df['time'], format='%Y-%m-%d', errors='coerce')经过转换后可以使用 dt 模块。 读取数据的时候，也可以直接转换为时间类型，利用参数 parse_dates。 df = pd.read_csv(r'xxx.csv', parse_dates = ['time', 'date'], encoding = 'gbk') 三、dt模块 1.星期名称 df['day_name_of_week'] = df['time'].dt.day_name() ''' 0 Saturday 1 Wednesday 2 Wednesday 3 Friday 4 Friday Name: time, dtype: object ''' 2.月份名称 df['month_name'] = df['time'].dt.month_name() ''' 0 February 1 March 2 March 3 March 4 May Name: time, dtype: object ''' 3.只保留时间（时分秒） df['only_time'] = df['time'].dt.time ''' 0 00:20:06 1 15:50:17 2 08:46:30 3 10:19:06 4 02:19:50 Name: time, dtype: object ''' 4.只保留日期（年月日）dt.date 和 dt.normalize() 返回的都是日期，不同的是前者返回的 object 类型，而后者返回 datetime64 类型。 df['only_date'] = df['time'].dt.date ''' 0 2020-02-01 1 2022-03-02 2 2023-03-08 3 2020-03-20 4 2020-05-01 Name: time, dtype: object ''' df['only_date2'] = df['time'].dt.normalize() ''' 0 2020-02-01 1 2022-03-02 2 2023-03-08 3 2020-03-20 4 2020-05-01 Name: time, dtype: datetime64[ns] ''' 5.年、月、日 df['year'] = df['time'].dt.year df['month'] = df['time'].dt.month df['day'] = df['time'].dt.day 6.时、分、秒 df['hour'] = df['time'].dt.hour df['minute'] = df['time'].dt.minute df['second'] = df['time'].dt.second 7.一年中的第几周、一周中的第几天dt.weekofyear 和 dt.week 均可实现计算第几周，不过未来会被 dt.isocalendar().week 替代。 df['week_of_year'] = df['time'].dt.weekofyear df['week_of_year'] = df['time'].dt.week ''' :1: FutureWarning: Series.dt.weekofyear and Series.dt.week have been deprecated. Please use Series.dt.isocalendar().week instead. df['time'].dt.weekofyear ''' df['year_week_day'] = df['time'].dt.isocalendar() ''' year week day 0 2020 5 6 1 2022 9 3 2 2023 10 3 3 2020 12 5 4 2020 18 5 ''' # 第几周 df['week_of_year'] = df['time'].dt.isocalendar().week # 第几天 df['day_of_week'] = df['time'].dt.isocalendar().day 8.一周中的第几天（另一种写法） df['day_of_week'] = df['time'].dt.dayofweek df['day_of_week'] = df['time'].dt.weekday注意： dt.isocalendar().day 和 dt.dayofweek 的区别在于差1天，前者符合星期一、二、三，后者从周日算为第1天。 因此，筛选周六日的数据可以通过： df['week'] = df['time'].dt.dayofweek df = df[df['week'].isin([5, 6])] # 周一为0、周日为6 df.drop(columns='week', inplace=True) 9.一年中的第几天 df['day_of_year'] = df['time'].dt.dayofyear 10.季度 df['quarter'] = df['time'].dt.quarter 11.每月（年、季度）的第一天、最后一天 df['is_month_start'] = df['time'].dt.is_month_start df['is_month_end'] = df['time'].dt.is_month_end df['is_year_start'] = df['time'].dt.is_year_start df['is_year_end'] = df['time'].dt.is_year_end df['is_quarter_start'] = df['time'].dt.is_quarter_start df['is_quarter_end'] = df['time'].dt.is_quarter_end 12.是否闰年 df['is_leap_year'] = df['time'].dt.is_leap_year 13.时间取整对时间数据进行舍入求整到指定的时间频率，freq 参数不可或缺。 # 语法 df['time'].dt.round(freq='H') ''' S -- 秒 min -- 分钟 等同于 T H -- 小时 D -- 天 ''' # round 四舍五入 df['time'].dt.round(freq='H') # floor 向下取整 df['time'].dt.floor(freq='H') # ceil 向上取整 df['time'].dt.ceil(freq='H')更多详细的时间频率可参考：freq 14.total_seconds时间差才有总秒数这个概念，时间没有这个概念。 具体可参考：Python学习笔记：timedelta类相关函数 参考链接：Python数据分析库pandas高级接口dt的使用 参考链接：pandas时间类型数据处理,dt模块 参考链接：pandas 如何使用 dt 对象？ 参考链接：Series.dt.weekday_name 参考链接：Python-Pandas关于时间格式数据的保留位数操作 |
今日新闻 |
推荐新闻 |
| CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |