Pandas數(shù)據(jù)分析固定時間點和時間差
更新時間：2022年08月11日 16:31:47 投稿：hqx
這篇文章主要介紹了Pandas數(shù)據(jù)分析固定時間點和時間差，文章未日澳主題展開詳細的內(nèi)容介紹，具有一定的參考價值，需要的小伙伴可以參考一下
前言
pandas處理時間的對象有很多，分別表示不同的作用。
本次介紹固定時間對象和時間長對象。
還是先導(dǎo)入包：
import numpy as np import pandas as pd import datetime
固定時間 時間點對象的建立
時間點就表示一個時刻的具體時間，比如現(xiàn)在是2022年8月10日16:31:56。
時間對象的建立有很多方法。
#使用 python 的 datetime 庫，至少需要年月日
datetime.datetime.now()
#指定時間 datetime.datetime(2022,8,10,10,5)
#pandas 等第三方庫都是在datetime建立時間對象的 #pd.Timestamp() 是定義時間的主要函數(shù)，代替 python 中的 datetime.datetime 對象。 pd.Timestamp(datetime.datetime(2020, 6, 8))
指定時間字符串
pd.Timestamp('2012-05-01')
# Timestamp('2012-05-01 00:00:00')
pd.Timestamp('2017-01-01T12')
# Timestamp('2017-01-01 12:00:00')#指定時間位置數(shù)字，可以依次定義 year, month, day，hour, minute, second, microsecond
pd.Timestamp(2012, 5, 1)
# Timestamp('2012-05-01 00:00:00')
pd.Timestamp(2017, 1, 1, 12)
# Timestamp('2017-01-01 12:00:00')
pd.Timestamp(year=2017, month=1, day=1, hour=12)
# Timestamp('2017-01-01 12:00:00')#解析時間戳
pd.Timestamp(1513393355.5, unit='s') # 單位為秒
# Timestamp('2017-12-16 03:02:35.500000')
#指定時區(qū)
pd.Timestamp(1513393355, unit='s', tz='US/Pacific')
# Timestamp('2017-12-15 19:02:35-0800', tz='US/Pacific')
# 指定為北京時間
pd.Timestamp(1513393355, unit='s', tz='Asia/Shanghai')
# Timestamp('2017-12-16 11:02:35+0800', tz='Asia/Shanghai')
#特殊時間
#以下可取得當(dāng)前時間，從而可通過屬性取到今天日期、年份等信息：
pd.Timestamp('today')
pd.Timestamp('now')
# Timestamp('2022-08-10 10:11:56.532981')
pd.Timestamp('today').date() # 只取日期
#也可以計算出昨天、明天等信息：
# 昨天
pd.Timestamp('now')-pd.Timedelta(days=1)
# Timestamp('2020-06-08 16:14:39.254365')
# 明天
pd.Timestamp('now')+pd.Timedelta(days=1)
# Timestamp('2020-06-10 16:15:28.019039')
# 當(dāng)月初，一日
pd.Timestamp('now').replace(day=1)
# Timestamp('2020-06-01 16:15:28.019039')
#時間限制
#由于 Pandas 以納秒粒度表示時間戳，因此可以使用64位整數(shù)表示的時間跨度限制為大約584年：
pd.Timestamp.min
# Timestamp('1677-09-21 00:12:43.145225')
pd.Timestamp.max
# Timestamp('2262-04-11 23:47:16.854775807')時間屬性
一個具體的時間包含了非常豐富的信息，如年份、在周幾、在幾月、在哪個季度，需要我們進行屬性的讀取。
#先創(chuàng)建一個時間
time = pd.Timestamp('now')
time
以下是豐富的時間屬性：
time.asm8 # 返回 numpy datetime64格式（以納秒為單位）。
#numpy.datetime64('2022-08-10T09:58:52.365676000')
time.dayofweek # 1 周幾，周一為0
time.day_of_week # 同上
time.dayofyear # 161, 一年的第幾天
time.day_of_year # 同上
time.days_in_month # 30 當(dāng)月有多少天
time.daysinmonth # 30 同上
time.freqstr # None, 周期字符
time.is_leap_year # True 是否閏年，公歷的
time.is_month_end # False 是否當(dāng)月最后一天
time.is_month_start # False 是否當(dāng)月第一天
time.is_quarter_end # False 是否當(dāng)季最后一天
time.is_quarter_start # False 是否當(dāng)季第一天
time.is_year_end # 是否當(dāng)年最后一天
time.is_year_start # 是否當(dāng)年第一天
time.quarter # 2 當(dāng)前季度數(shù)
# 如指定會返回類似 <DstTzInfo 'Asia/Shanghai' CST+8:00:00 STD>
time.tz # None 當(dāng)前時區(qū)別名
time.week # 24 當(dāng)年第幾周
time.weekofyear # 24 同上
time.day # 9 日
time.fold # 0
time.freq # None 頻度周期
time.hour # 16
time.microsecond # 890462
time.minute # 46
time.month # 6
time.nanosecond # 0
time.second # 59
time.tzinfo # None
time.value # 1591721219890462000
time.year # 2020時間方法
time = pd.Timestamp('now', tz='Asia/Shanghai')
# Timestamp('2020-06-09 16:55:58.027896+0800', tz='Asia/Shanghai')
#方法如下：
# 轉(zhuǎn)換為指定時區(qū)
time.astimezone('UTC')
# Timestamp('2020-06-09 08:55:58.027896+0000', tz='UTC')
# 轉(zhuǎn)換單位，向上舍入
time.ceil('s') # 轉(zhuǎn)為以秒為單位
# Timestamp('2020-06-09 16:55:59+0800', tz='Asia/Shanghai')
time.ceil('ns') # 轉(zhuǎn)為以納秒為單位
time.ceil('d') # 保留日
time.ceil('h') # 保留時
# 轉(zhuǎn)換單位, 為向下舍入
time.floor('h') # 保留時
# Timestamp('2020-06-09 17:00:00+0800', tz='Asia/Shanghai')
# 類似四舍五入
time.round('h') # 保留時# 返回星期名
time.day_name() # 'Tuesday'
# 月份名稱
time.month_name() # 'June'
# 將時間戳規(guī)范化為午夜，保留tz信息。
time.normalize()
# Timestamp('2020-06-09 00:00:00+0800', tz='Asia/Shanghai')
# 時間元素替換 datetime.replace，可處理納秒。
time.replace(year=2019) # 年份換為2019年
# Timestamp('2019-06-09 17:14:44.126817+0800', tz='Asia/Shanghai')
time.replace(month=8) # 月份換為8月
# Timestamp('2020-08-09 17:14:44.126817+0800', tz='Asia/Shanghai')
# 轉(zhuǎn)為周期類型，將丟失時區(qū)
time.to_period(freq='h') # 周期為小時
# Period('2020-06-09 17:00', 'H')
# 轉(zhuǎn)為指定時區(qū)
time.tz_convert('UTC') # 轉(zhuǎn)為 utc 時間
# Timestamp('2020-06-09 09:14:44.126817+0000', tz='UTC')
# 本地化時區(qū)轉(zhuǎn)換
time = pd.Timestamp('now')
time.tz_localize('Asia/Shanghai')
# Timestamp('2020-06-09 17:32:47.388726+0800', tz='Asia/Shanghai')
time.tz_localize(None) # 刪除時區(qū)時間缺失值
pd.Timestamp(pd.NaT)
#參與計算
pd.NaT+pd.Timestamp('20201001').dt 時間訪問器
#對于時間序列數(shù)據(jù)，可以使用 s.dt.xxx 的形式來訪問它們的屬性和調(diào)用它們的方法：
s = pd.Series(pd.date_range('2020-01-01', periods=3, freq='d'))
s.dt.date
s.dt.time
s.dt.timetz
s.dt.year
s.dt.month
s.dt.day
s.dt.hour
s.dt.minute
s.dt.second
s.dt.microsecond
s.dt.nanosecond
s.dt.week
s.dt.weekofyear
s.dt.dayofweek
s.dt.weekday
s.dt.dayofyear
s.dt.quarter
s.dt.is_month_start
s.dt.is_month_end
s.dt.is_quarter_start
s.dt.is_quarter_end
s.dt.is_year_start
s.dt.is_year_end
s.dt.is_leap_year
s.dt.daysinmonth
s.dt.days_in_month
s.dt.tz
s.dt.freq
s.dt.to_period
s.dt.to_pydatetime
s.dt.tz_localize
s.dt.tz_convert
s.dt.normalize
s.dt.strftime
s.dt.round
s.dt.floor
s.dt.ceil
s.dt.month_name
s.dt.day_name
s.dt.qyear
s.dt.start_time
s.dt.end_time
s.dt.days
s.dt.seconds
s.dt.microseconds
s.dt.nanoseconds
s.dt.components
s.dt.to_pytimedelta
s.dt.total_seconds
# 個別用法舉例
s.dt.tz_localize('UTC').dt.tz_convert('US/Eastern')
s.dt.strftime('%Y/%m/%d')時長數(shù)據(jù)
時間差
和上面的時間點比起來，時間差就表示一個時間的長度，一天一小時這種時間差。
Timedelta 數(shù)據(jù)類型用來代表時間增量，兩個固定時間相減會產(chǎn)生時差：
# 兩個固定時間相減
pd.Timestamp('2020-11-01 15') - pd.Timestamp('2020-11-01 14')
# Timedelta('0 days 01:00:00')
pd.Timestamp('2020-11-01 08') - pd.Timestamp('2020-11-02 08')
# Timedelta('-1 days +00:00:00')按以下格式傳入字符串：
# 一天
pd.Timedelta('1 days')
# Timedelta('1 days 00:00:00')
pd.Timedelta('1 days 00:00:00')
# Timedelta('1 days 00:00:00')
pd.Timedelta('1 days 2 hours')
# Timedelta('1 days 02:00:00')
pd.Timedelta('-1 days 2 min 3us')
# Timedelta('-2 days +23:57:59.999997'用關(guān)鍵字參數(shù)指定時間：
pd.Timedelta(days=5, seconds=10)
# Timedelta('5 days 00:00:10')
pd.Timedelta(minutes=3, seconds=2)
# Timedelta('0 days 00:03:02')
# 可以實現(xiàn)指定分鐘有多少天，多少小時
pd.Timedelta(minutes=3242)
使用帶周期量的偏移量別名：
# 一天
pd.Timedelta('1D')
# Timedelta('1 days 00:00:00')
# 兩周
pd.Timedelta('2W')
# Timedelta('14 days 00:00:00')
# 一天2小時3分鐘4秒
pd.Timedelta('1D2H3M4S')帶單位的整型數(shù)字：
# 一天
pd.Timedelta(1, unit='d')
# 100 秒
pd.Timedelta(100, unit='s')
# Timedelta('0 days 00:01:40')
# 4 周
pd.Timedelta(4, unit='w')
# Timedelta('28 days 00:00:00')Python內(nèi)置的datetime.timedelta或者Numpy的np.timedelta64：
# 一天10分鐘
pd.Timedelta(datetime.timedelta(days=1, minutes=10))
# Timedelta('1 days 00:10:00')
# 100納秒
pd.Timedelta(np.timedelta64(100, 'ns'))
# Timedelta('0 days 00:00:00.000000100')負值
# 負值
pd.Timedelta('-1min')
# Timedelta('-1 days +23:59:00')
# 空值，缺失值
pd.Timedelta('nan')
# NaT
# pd.Timedelta('nat')
# NaT也可以用 DateOffsets (Day, Hour, Minute, Second, Milli, Micro, Nano) 來構(gòu)建：
pd.Timedelta(pd.offsets.Second(2))
# Timedelta('0 days 00:00:02')
#to_timedelta,可以直接生成單個時長數(shù)據(jù)：
pd.to_timedelta('1 days 06:05:01.00003')
# Timedelta('1 days 06:05:01.000030')
pd.to_timedelta('15.5us')
# Timedelta('0 days 00:00:00.000015')
pd.to_timedelta(pd.offsets.Day(3))
# Timedelta('3 days 00:00:00')
pd.to_timedelta('15.5min')
# Timedelta('0 days 00:15:30')
pd.to_timedelta(124524564574835)
# Timedelta('1 days 10:35:24.564574835')時長可以相加：
pd.Timedelta(pd.offsets.Day(2)) + pd.Timedelta(pd.offsets.Second(2)) + pd.Timedelta('00:00:00.000123')
# Timedelta('2 days 00:00:02.000123')以下是一些操作示例：
s = pd.Series(pd.date_range('2012-1-1', periods=3, freq='D'))
td = pd.Series([pd.Timedelta(days=i) for i in range(3)])
df = pd.DataFrame({'A': s, 'B': td})
df
df['C'] = df['A'] + df['B'] df
df.dtypes
時長屬性
tdt=pd.Timedelta('10 days 9 min 3 sec')
tdt.days
tdt.seconds
tdt.value #(時間戳)
到此這篇關(guān)于Pandas數(shù)據(jù)分析固定時間點和時間差的文章就介紹到這了,更多相關(guān)Pandas固定時間點內(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
這篇文章主要介紹了Python configparser模塊常用方法解析,文中通過示例代碼介紹的非常詳細，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,需要的朋友可以參考下2020-05-05
Python參數(shù)傳遞實現(xiàn)過程及原理詳解
這篇文章主要介紹了Python參數(shù)傳遞實現(xiàn)過程及原理詳解,文中通過示例代碼介紹的非常詳細，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,需要的朋友可以參考下2020-05-05
python在windows調(diào)用svn-pysvn的實現(xiàn)
本文主要介紹了python在windows調(diào)用svn-pysvn的實現(xiàn)，文中通過示例代碼介紹的非常詳細，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2023-02-02
下面小編就為大家分享一篇Python 實現(xiàn)在文件中的每一行添加一個逗號，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2018-04-04
這篇文章主要介紹了Python簡單生成隨機數(shù)的方法,結(jié)合實例形式分析了Python基于random模塊生成隨機數(shù)的相關(guān)操作技巧,需要的朋友可以參考下2018-03-03
這篇文章主要介紹了簡單了解python協(xié)程的相關(guān)知識,文中通過示例代碼介紹的非常詳細，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,需要的朋友可以參考下2019-08-08
python2.7安裝opencv-python很慢且總是失敗問題
這篇文章主要介紹了python2.7安裝opencv-python很慢且總是失敗問題，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2023-02-02
今天小編就為大家分享一篇python 實現(xiàn)GUI(圖形用戶界面)編程詳解，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2021-08-08
這篇文章主要介紹了python實現(xiàn)跨域代理服務(wù)器的方法,本文通過實例代碼給大家介紹的非常詳細，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值，需要的朋友可以參考下2023-07-07
這篇文章主要介紹了Python numpy ndarray屬性,索引,切片,文章圍繞主題展開詳細的內(nèi)容介紹，具有一定的參考價值，需要的小伙伴可以參考一下2022-09-09