前言

一般從數(shù)據(jù)庫或者是從日志文件讀出的數(shù)據(jù)均帶有時間序列，做時序數(shù)據(jù)處理或者實時分析都需要對其時間序列進行歸類歸檔。而Pandas是處理這些數(shù)據(jù)很好用的工具包。此篇博客基于Jupyter之上進行演示，本篇博客的愿景是希望我或者讀者通過閱讀這篇博客能夠?qū)W會方法并能實際運用。希望讀者看完能夠提出問題或者看法，博主會長期維護博客做及時更新。純分享，希望大家喜歡。

一、獲取時間

python自帶datetime庫，通過調(diào)用此庫可以獲取本地時間

from datetime import datetime
datetime.now()

 同時也可以獨立獲取年月日：

datetime.now().day
datetime.now().year
datetime.now().moth

 isoweekday()獲取符合ISO標準的指定日期所在的星期數(shù)：

datetime.now().isoweekday()

為星期二。

但也有weekeday()方法但是是從0開始，也就是說0也就是周一，需要加一轉為周數(shù)：

datetime.now().weekday()+1

 datetime可以將日期(date)和時間(time)分隔開：

datetime.now().date()

datetime.now().time()

也可以用timetuple()函數(shù)將整個時間拆分為結構體：

datetime.now().timetuple()

 要轉換為自定義熟悉的時間表達可以使用strftime()函數(shù)，其輸出代碼格式有以下幾種：

datetime.now().strftime('%Y-%m-%d')

datetime.now().strftime('%m/%d/%Y %H:%M:%S')

二、時間索引

時間索引是根據(jù)數(shù)據(jù)的時間來處理時序數(shù)據(jù)進行歸檔篩選的一種索引方式。

展示數(shù)據(jù)：

首先查看類型是否為 datetime類型，是該類型再重新設定索引，否則需要先把索引時間列轉換為datetime類型再進行設定。

df1.set_index('first_order_time')

 若要查找2019年的數(shù)據(jù)，只需要在 后面加上日期即可：

df1['2019']

想要獲取詳細的日期的數(shù)據(jù)只需要在[]里面輸入對應的日期即可：

df1['2019-05-13']

獲取區(qū)間日期數(shù)據(jù)：

df1['2019-05-01':'2019-05-13']

三、時間推移

 如果時序數(shù)據(jù)提取出來時間并不符合對應時間戳，則可以使用timedelta進行推移時間：

timedelta類表示為時間差，可直接實例化也可以由兩個datetime進行相減操作得到。

可表示的時間差依次為：

days,seconds,microseconds,minutes,hours,weeks

 如我們要推移一天時間：

date = datetime(2019,5,10)
date+timedelta(days = 1)

 往后推移只需要減去對應天數(shù)就好了。

比起timedelta，有date offset可以直接進行時間推移，并不需要換算，效率比timedelta要快很多。

引入庫：

from pandas.tseries.offsets import Day,Hour,Minute
date+Day(1)

計算結果為timestamp： 

到此這篇關于Pandas處理時間序列數(shù)據(jù)操作詳解的文章就介紹到這了,更多相關Pandas時間序列內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

最新評論