Pandas時間類型轉(zhuǎn)換與處理的實現(xiàn)示例
更新時間：2022年07月29日 11:47:47 作者：山茶花開時。
本文主要介紹了Pandas時間類型轉(zhuǎn)換與處理的實現(xiàn)示例，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
在平時的需求開發(fā)中,經(jīng)常涉及到利用Pandas處理日期相關(guān)類型字段的轉(zhuǎn)換和操作,為此特地記錄以下練習(xí)案例,幫助大家的同時,也便于日后的學(xué)習(xí)和復(fù)盤
案例1
問題: 提取'W1|2022/7/28'字段中的年月日信息,取名為week_start,即一周開始的日期,并根據(jù)week_start計算出該周結(jié)束的具體日期week_end
import pandas as pd
import datetime
df1 = pd.DataFrame([[6,3],[6,3]], columns = ['Working day','W1|2022/7/28'])
# 一周開始的日期
# '2022/7/28'——>str類型
week_start = df1.columns[1].split('|')[1]
# 將start_day類型轉(zhuǎn)換成date類型(2022-07-28)
week_start = datetime.datetime.strptime(week_start, '%Y/%m/%d').date()
# 一周結(jié)束的日期(2022-08-03)
week_end = week_start + datetime.timedelta(days=6)df1
案例2
問題: 根據(jù)'Date'字段生成'Date - 2'字段
import pandas as pd
from datetime import timedelta
from datetime import datetime
df2 = pd.DataFrame([[1,'20191031'],
[2,'20191106'],
[3,'20191106']],columns=['Id','Date'])
# 'Date'字段中的值減去2天,生成'Date - 2'字段
df2['Date - 2'] = df2['Date'].apply(lambda x:(datetime.strptime(x,'%Y%m%d') - timedelta(days=datetime.strptime(x,'%Y%m%d').weekday())).strftime("%Y%m%d"))df2
案例3
問題:從字符串表示的日期時間中僅獲取“年/月/日”
import pandas as pd
from datetime import datetime
df3 = pd.DataFrame([[1,'2017-01-02 00:00:00'],
[2,'2017-01-09 00:00:00']
],columns = ['Id','Wk'])df3
錯誤寫法
# 運行以下代碼會報錯'str' object has no attribute 'strftime'
df3['new_wk'] = df3['Wk'].apply(lambda x:x.strftime("%Y%m%d"))正確寫法
# 先利用.strptime()將str格式的變量轉(zhuǎn)化成datetime下的時間格式
# 然后再利用.strftime()獲取“年/月/日”
df3['Wk'] = df3['Wk'].apply(lambda x:datetime.strptime(x,"%Y-%m-%d %H:%M:%S"))
df3['new_Wk'] = df3['Wk'].apply(lambda x:x.strftime("%Y/%m/%d"))處理過后的df3
案例4
問題:將'月/日/年 時間'格式的值轉(zhuǎn)換為'年月日'(10/11/19 05:28:27 => 20191011)
import pandas as pd
df4 = pd.DataFrame([['A','10/11/19 05:28:27','08/04/20 08:38:59'],
['B','10/11/19 05:28:27',None],
['C','10/11/19 05:28:27',None]
],columns = ['site','creation_date','closure_date'])df4
# 將'creation_date'欄位的值變形
# 10/11/19 05:28:27 => 20191011
df4['creation_date'] = df4['creation_date'].apply(lambda x:pd.to_datetime(x).strftime("%Y%m%d"))
# 將'closure_date'字段中nan值填充為0
df4['closure_date'] = df4['closure_date'].fillna(0)
# 篩選closure_date'字段中值為0的數(shù)據(jù)記錄,取名為df4_na
df4_na = df4[df4['closure_date'].isin([0])]
# 篩選closure_date'字段中值不為0的數(shù)據(jù)記錄,取名為df4
df4 = df4[~df4['closure_date'].isin([0])]
# 將'closure_date'欄位的值變形
# 08/04/20 08:38:59 => 20200804
df4['closure_date'] = df4['closure_date'].apply(lambda x:pd.to_datetime(x).strftime("%Y%m%d"))
df4 = pd.concat([df4, df4_na], ignore_index = True)處理過后的df4
補充知識
我們通常使用pd.to_datetime()和s.astype('datetime64[ns]')來做時間類型轉(zhuǎn)換
import pandas as pd
t = pd.Series(['20220720','20220724'])
# dtype: datetime64[ns]
new_t1 = pd.to_datetime(t)
new_t2 = t.astype('datetime64[ns]')t
new_t1
new_t2
案例5
問題: 添加字段'Week'，逐行遞增
import pandas as pd
df5 = pd.DataFrame(columns=['Week','Materials'])
all_material = ['A32456','B78495']
for row in range(0,3):
week = row + 1
datas = [week, all_material]
df5.loc[row] = datas
'''
df5:
Week Materials
0 1 [A32456, B78495]
1 2 [A32456, B78495]
2 3 [A32456, B78495]
'''
print(df5)案例6
問題:日期型轉(zhuǎn)換為字符型
import datetime
today = datetime.date.today() # date類型 2022-07-28
today.strftime('%Y-%m-%d') # '2022-07-28'import datetime
dt = datetime.datetime.now() # datetime類型 2022-07-28 22:46:20.528813
dt.strftime('%Y-%m-%d') # '2022-07-28'import datetime
today = str(datetime.date.today()) # str類型 2022-07-28
today.replace("-","") # '20220728'案例7
問題:文本型轉(zhuǎn)日期型
#文本型日期轉(zhuǎn)為日期型日期
import pandas as pd
from datetime import datetime
df7=pd.DataFrame({'銷售日期':['2022-05-01','2022-05-02','2022-05-03','2022-05-04','2022-05-05','2022-05-06','2022-05-07','2022-05-08','2022-05-09','2022-05-10'],
'城市':['蘭州','白銀','天水','武威','金昌','隴南','嘉峪關(guān)','酒泉','敦煌','甘南']})df7
文本型轉(zhuǎn)為日期型可用datetime.strptime函數(shù)
# "%Y-%m-%d"表示將文本日期解析為年月日的日期格式 df7['日期'] = df7['銷售日期'].map(lambda x:datetime.strptime(x,"%Y-%m-%d"))
文本型轉(zhuǎn)為日期型也可用pd.to_datetime函數(shù)
# "%Y-%m-%d"表示將文本日期解析為年月日的日期格式 df7['日期'] = pd.to_datetime(df7['銷售日期'],format='%Y-%m-%d')
處理過后的df7
案例8
問題:提取日期字段的年份、月份、日份和周數(shù)
import pandas as pd
from datetime import datetime
df8=pd.DataFrame({'銷售日期':['2022-05-01','2022-05-02','2022-05-03','2022-05-04','2022-05-05','2022-05-06','2022-05-07','2022-05-08','2022-05-09','2022-05-10'],
'城市':['蘭州','白銀','天水','武威','金昌','隴南','嘉峪關(guān)','酒泉','敦煌','甘南']})
df8['日期'] = df8['銷售日期'].map(lambda x:datetime.strptime(x,"%Y-%m-%d"))df8
#由日期數(shù)據(jù)提取年 df8['年份'] = df8['日期'].apply(lambda x: x.year) df8['年份'] =df8['年份'].astype(str)+'年' #由日期數(shù)據(jù)提取月 df8['月份'] = df8['日期'].apply(lambda x: x.month) df8['月份'] =df8['月份'].astype(str)+'月' #由日期數(shù)據(jù)提取日 df8['日份'] = df8['日期'].apply(lambda x: x.day) df8['日份'] =df8['日份'].astype(str)+'日' # 日期中的周使用date.isocalendar()[1]提取 #根據(jù)日期返回周數(shù)，以周一為第一天開始 df8['周數(shù)'] = [date.isocalendar()[1] for date in df8['日期'].tolist()] df8['周數(shù)'] = df8['周數(shù)'].astype(str)+'周'
處理后的df8
案例9
問題:借助offset時間偏移函數(shù)將日期加3天
import pandas as pd
from datetime import datetime
df9=pd.DataFrame({'銷售日期':['2022-05-01','2022-05-02','2022-05-03','2022-05-04','2022-05-05','2022-05-06','2022-05-07','2022-05-08','2022-05-09','2022-05-10'],
'城市':['蘭州','白銀','天水','武威','金昌','隴南','嘉峪關(guān)','酒泉','敦煌','甘南']})
df9['日期'] = df9['銷售日期'].map(lambda x:datetime.strptime(x,"%Y-%m-%d"))df9
#借助offset時間偏移函數(shù)將日期加3天 from pandas.tseries.offsets import Day df9['日期_3']=df9['日期']+Day(3)
處理后的df9
案例10
問題:將文本型日期轉(zhuǎn)換為日期型日期
#文本型日期轉(zhuǎn)為日期型日期
import pandas as pd
import datetime as dt
from datetime import datetime
df1=pd.DataFrame({'銷售時間':['2022-05-01 00:00:00','2022-05-02 00:00:00','2022-05-03 00:00:00','2022-05-04 00:00:00','2022-05-05 00:00:00',
'2022-05-06 00:00:00','2022-05-07 00:00:00','2022-05-08 00:00:00','2022-05-09 00:00:00','2022-05-10 00:00:00',]})
#df['日期']=df['銷售日期'].map(lambda x:datetime.strptime(x,"%Y-%m-%d"))
df1['日期_x']=df1['銷售時間'].str.split(' ',expand=True)[0]
df1['日期_y']=pd.to_datetime(df1['銷售時間'],format='%Y-%m-%d')
df1df10
日期中帶有時分秒'00:00:00',有如下方法將其處理為'%Y-%m-%d'形式
df10['日期']=df10['銷售時間'].str.split(' ',expand=True)[0]處理后的df10
到此這篇關(guān)于Pandas時間類型轉(zhuǎn)換與處理的實現(xiàn)示例的文章就介紹到這了,更多相關(guān)Pandas時間類型轉(zhuǎn)換內(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(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
利用一個簡單的例子窺探CPython內(nèi)核的運行機制
這篇文章主要介紹了利用一個簡單的例子窺探CPython內(nèi)核的運行機制,作者通過一個簡單的輸出函數(shù)深入、介紹了CPython源碼C代碼中的一些函數(shù)，需要的朋友可以參考下2015-03-03
Python工廠模式實現(xiàn)封裝Webhook群聊機器人詳解
企業(yè)存在給 特定群組 自動推送消息的需求，你可以在群聊中添加一個自定義機器人，通過服務(wù)端調(diào)用 webhook 地址，即可將外部系統(tǒng)的通知消息即時推送到群聊中。本文就來和大家聊聊具體實現(xiàn)方法2023-02-02
今天小編就為大家分享一篇在python中pandas的series合并方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-11-11
這篇文章主要介紹了Python+Appium的新手教程,內(nèi)容很詳細(xì),文章末尾還帶有測試的小練習(xí),適合新手小白,如果有需要的朋友可以參考下2021-04-04
Python3實現(xiàn)監(jiān)控新型冠狀病毒肺炎疫情的示例代碼
這篇文章主要介紹了Python3實現(xiàn)監(jiān)控新型冠狀病毒肺炎疫情的示例代碼,代碼簡單易懂，非常不錯，具有一定的參考借鑒價值，需要的朋友可以參考下2020-02-02
這篇文章主要為大家詳細(xì)介紹了python實現(xiàn)連續(xù)圖文識別功能，具有一定的參考價值，感興趣的小伙伴們可以參考一下2018-12-12
鏈接表的存儲相比較鄰接炬陣，使用起來更方便，對于空間的使用是剛好夠用原則，不會產(chǎn)生太多空間浪費。所以本文將以鏈接表方式實現(xiàn)無向圖最短路徑搜索，需要的可以參考一下2022-04-04
正則表達(dá)式在搜索大型文本、電子郵件和文檔時非常有用,正則表達(dá)式也稱為"用于字符串匹配的編程語言",下面這篇文章主要給大家介紹了關(guān)于Python知識點之正則表達(dá)式語法的相關(guān)資料,需要的朋友可以參考下2022-05-05
Python phone模塊獲取手機號歸屬地 區(qū)號 運營商等信息demo
這篇文章主要介紹了Python phone模塊獲取手機號歸屬地 區(qū)號 運營商等信息的實現(xiàn)示例，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2023-05-05
Python中__repr__和__str__區(qū)別詳解
這篇文章主要介紹了Python中__repr__和__str__區(qū)別詳解，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2019-11-11