快捷導(dǎo)航

pandas 對(duì)日期類型數(shù)據(jù)的處理方法詳解

更新時(shí)間：2019年08月08日 10:42:22 作者：Stone0823

這篇文章主要介紹了pandas 對(duì)日期類型數(shù)據(jù)的處理方法詳解,文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下

pandas 的日期/時(shí)間類型有如下幾種：

Concept	Scalar Class	Array Class	pandas Data Type	Primary Creation Method
Date times	Timestamp	DatetimeIndex	datetime64[ns] or datetime64[ns, tz]	to_datetime or date_range
Time deltas	Timedelta	TimedeltaIndex	timedelta64[ns]	to_timedelta or timedelta_range
Time spans	Period	PeriodIndex	period[freq]	Period or period_range
Date offsets	DateOffset	None	None	DateOffset

本文介紹在處理時(shí)點(diǎn)數(shù) (point in time) 一些常用的處理方法，仍然以上一篇的示例數(shù)據(jù)為例進(jìn)行講解。pandas 用 Timestamp 表示時(shí)點(diǎn)數(shù)，在大多數(shù)情況下和 python 的 datetime 類型的使用方法是通用的。

首先獲取數(shù)據(jù)，并且將 DataFrame 的 date 列轉(zhuǎn)換成 datetime 類型：

df1 = pd.read_csv('https://raw.githubusercontent.com/stonewm/python-practice-projects/master/pandas%20sample%20data/sample-salesv3.csv')
df1['date'] = pd.to_datetime(df1['date']) # convert date column to datetime
df1.head()

也可以在 read_csv() 方法中，通過 parse_dates 參數(shù)直接將某些列轉(zhuǎn)換成 datetime64 類型：

df1 = pd.read_csv('sample-salesv3.csv', parse_dates=['date'])

我們據(jù)此銷售數(shù)據(jù)，按月份、按季度統(tǒng)計(jì) sku 的銷售金額。
pandas 的 pandas.Series.dt 可以獲得日期/時(shí)間類型的相關(guān)信息。比如

df1['date'].dt.year
df1['date'].dt.month
df1['date'].dt.quarter

但這些類型返回值為 int 類型，作為統(tǒng)計(jì)的字段，我們更希望是 2014-04 這樣的格式，有兩個(gè)方法：

# 方法 1
df1['year_month'] = df1['date'].apply(lambda x : x.strftime('%Y-%m'))

第二種方法：

df1['period'] = df1['date'].dt.to_period('M')

第二種方法使用起來更加簡單，參數(shù) M 表示月份，Q 表示季度，A 表示年度，D 表示按天，這幾個(gè)參數(shù)比較常用。
新增了一列之后，做出數(shù)據(jù)透視表：

import numpy as np
pivot = pd.pivot_table(df1, index=['sku'], columns=['period'], values=['ext price'], aggfunc=np.sum)
pivot.head()

再做一個(gè)按季度統(tǒng)計(jì)的數(shù)據(jù)透視表：

df1['quarter'] = df1['date'].dt.to_period('Q')
quarter_pivot = pd.pivot_table(df1, index=['sku'], columns=['quarter'], values=['ext price'], aggfunc=np.sum)