欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

python時(shí)間日期函數(shù)與利用pandas進(jìn)行時(shí)間序列處理詳解

 更新時(shí)間：2018年03月13日 11:44:48   投稿：wdc  
python標(biāo)準(zhǔn)庫(kù)包含于日期（date）和時(shí)間（time）數(shù)據(jù)的數(shù)據(jù)類(lèi)型，datetime、time以及calendar模塊會(huì)被經(jīng)常用到,而pandas則可以對(duì)時(shí)間進(jìn)行序列化排序

python標(biāo)準(zhǔn)庫(kù)包含于日期（date）和時(shí)間（time）數(shù)據(jù)的數(shù)據(jù)類(lèi)型，datetime、time以及calendar模塊會(huì)被經(jīng)常用到。

datetime以毫秒形式存儲(chǔ)日期和時(shí)間，datetime.timedelta表示兩個(gè)datetime對(duì)象之間的時(shí)間差。

下面我們先簡(jiǎn)單的了解下python日期和時(shí)間數(shù)據(jù)類(lèi)型及工具

給datetime對(duì)象加上或減去一個(gè)或多個(gè)timedelta，會(huì)產(chǎn)生一個(gè)新的對(duì)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

datetime模塊中的數(shù)據(jù)類(lèi)型

類(lèi)型 說(shuō)明
date 以公歷形式存儲(chǔ)日歷日期（年、月、日）
time 將時(shí)間存儲(chǔ)為時(shí)、分、秒、毫秒
datetime 存儲(chǔ)日期和時(shí)間
timedelta 表示兩個(gè)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(kù)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(duì)多個(gè)時(shí)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(kù)dateutil.parser的時(shí)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(shuō)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(shí)（24小時(shí)制）[00,23]
%l 時(shí)（12小時(shí)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(jiǎn)寫(xiě)形式例如，2017-06-27
%D %m/%d/%y簡(jiǎn)寫(xiě)形式

pandas時(shí)間序列基礎(chǔ)以及時(shí)間、日期處理

pandas最基本的時(shí)間序列類(lèi)型就是以時(shí)間戳（時(shí)間點(diǎn)）（通常以python字符串或datetime對(duì)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(shí)間序列之間的算術(shù)運(yùn)算會(huì)自動(dòng)按日期對(duì)齊

ts[::2]#從前往后每隔兩個(gè)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(gè)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(dòng)數(shù)據(jù)對(duì)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(gè)可以被解析為日期的字符串]

3）對(duì)于，較長(zhǎng)的時(shí)間序列，只需傳入‘年'或‘年月'可返回對(duì)應(yīng)的數(shù)據(jù)切片

4）通過(guò)時(shí)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(shí)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(shí)間序列

1）.index.is_unique檢查索引日期是否是唯一的

2）對(duì)非唯一時(shí)間戳的數(shù)據(jù)進(jìn)行聚合，通過(guò)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(duì)DataFrame

grouped_df

0 1
2017-06-01 0 1
2017-06-02 4 5
2017-06-03 8 9

本文總結(jié)了以下4個(gè)知識(shí)點(diǎn)

1）字符串、日期的轉(zhuǎn)換方法

2）日期和時(shí)間的主要python，datetime、timedelta、pandas.to_datetime等

3）以時(shí)間為索引的Series和DataFrame的索引、切片

4）帶有重復(fù)時(shí)間索引時(shí)的索引，.groupby(level=0)應(yīng)用

相關(guān)文章

最新評(píng)論