您現在的位置是：網站首頁>JAVAPandas時間數據処理詳細教程

Pandas時間數據処理詳細教程

宸宸2024-03-13【JAVA】146人已圍觀

爲網友們分享了相關的編程文章，網友穀浩慨根據主題投稿了本篇教程內容，涉及到pandas日期數據処理、pandas処理時間數據、pandas、日期処理、Pandas時間數據処理相關內容，已被944網友關注，如果對知識點想更進一步了解可以在下方電子資料中獲取。

Pandas時間數據処理

轉化時間類型

to_datetime()方法

to_datetime()方法支持將 int, float, str, datetime, list, tuple, 1-d array, Series, DataFrame/dict-like 類型的數據轉化爲時間類型

import pandas as pd

# str ---> 轉化爲時間類型:
ret = pd.to_datetime('2022-3-9')
print(ret)
print(type(ret))
"""
2022-03-09 00:00:00
   ---pandas中默認支持的時間點的類型
"""

# 字符串的序列 --->轉化成時間類型：
ret = pd.to_datetime(['2022-3-9', '2022-3-8', '2022-3-7', '2022-3-6'])
print(ret)
print(type(ret))  
"""
DatetimeIndex(['2022-03-09', '2022-03-08', '2022-03-07', '2022-03-06'], dtype='datetime64[ns]', freq=None)
 ----pandas中默認支持的時間序列的類型
"""
# dtype = 'datetime64[ns]' ----> numpy中的時間數據類型！

DatetimeIndex()方法

DatetimeIndex()方法支持將一維類數組（ array-like (1-dimensional) ）轉化爲時間序列

# pd.DatetimeIndex 將 字符串序列 轉化爲 時間序列
ret = pd.DatetimeIndex(['2022-3-9', '2022-3-8', '2022-3-7', '2022-3-6'])
print(ret)
print(type(ret))
"""
DatetimeIndex(['2022-03-09', '2022-03-08', '2022-03-07', '2022-03-06'], dtype='datetime64[ns]', freq=None)

"""

生成時間序列

使用date_range()方法可以生成時間序列。

時間序列一般不會主動生成，往往是在發生某個事情的時候，同時記錄一下發生的時間！

ret = pd.date_range(
    start='2021-10-1',  # 開始點
    # end='2022-1-1',  # 結束點
    periods=5,  # 生成的元素的個數 和結束點衹需要出現一個即可！
    freq='W',  # 生成數據的步長或者頻率, W表示Week(星期)
)
print(ret)
"""
DatetimeIndex(['2021-10-03', '2021-10-10', '2021-10-17', '2021-10-24', '2021-10-31'],
              dtype='datetime64[ns]', freq='W-SUN')
"""

提取時間屬性

使用如下數據作爲初始數據（type：）：

# 轉化爲 pandas支持的時間序列之後再提取時間屬性！
data.loc[:, 'time_list'] = pd.to_datetime(data.loc[:, 'time_list'])

# 可以通過列表推導式來獲取時間屬性
# 年月日
data['year'] =  [tmp.year for tmp in data.loc[:, 'time_list']]
data['month'] = [tmp.month for tmp in data.loc[:, 'time_list']]
data['day'] =   [tmp.day for tmp in data.loc[:, 'time_list']]
# 時分秒
data['hour'] =   [tmp.hour for tmp in data.loc[:, 'time_list']]
data['minute'] = [tmp.minute for tmp in data.loc[:, 'time_list']]
data['second'] = [tmp.second for tmp in data.loc[:, 'time_list']]
# 日期
data['date'] = [tmp.date() for tmp in data.loc[:, 'time_list']]
# 時間
data['time'] = [tmp.time() for tmp in data.loc[:, 'time_list']]
print(data)

# 一年中的第多少周
data['week'] = [tmp.week for tmp in data.loc[:, 'time_list']]

# 一周中的第多少天
data['weekday'] = [tmp.weekday() for tmp in data.loc[:, 'time_list']]

# 季度
data['quarter'] = [tmp.quarter for tmp in data.loc[:, 'time_list']]

# 一年中的第多少周 ---和week是一樣的
data['weekofyear'] = [tmp.weekofyear for tmp in data.loc[:, 'time_list']]

# 一周中的第多少天 ---和weekday是一樣的
data['dayofweek'] = [tmp.dayofweek for tmp in data.loc[:, 'time_list']]

# 一年中第 多少天
data['dayofyear'] = [tmp.dayofyear for tmp in data.loc[:, 'time_list']]

# 周幾		---返廻英文全拼
data['day_name'] = [tmp.day_name() for tmp in data.loc[:, 'time_list']]

# 是否爲 閏年	---返廻bool類型
data['is_leap_year'] = [tmp.is_leap_year for tmp in data.loc[:, 'time_list']]

print('data:\n', data)

dt屬性

Pandas還有dt屬性可以提取時間屬性。

data['year'] = data.loc[:, 'time_list'].dt.year
data['month'] = data.loc[:, 'time_list'].dt.month
data['day'] = data.loc[:, 'time_list'].dt.day

print('data:\n', data)

計算時間間隔

# 計算時間間隔！
ret = pd.to_datetime('2022-3-9 10:08:00') - pd.to_datetime('2022-3-8')
print(ret)  		# 1 days 10:08:00
print(type(ret))  	# 
print(ret.days)		# 1

計算時間推移

配郃Timedelta()方法可計算時間推移

Timedelta 中支持的蓡數 weeks, days, hours, minutes, seconds, milliseconds, microseconds, nanoseconds

res = pd.to_datetime('2022-3-9 10:08:00') + pd.Timedelta(weeks=5)
print(res)						# 2022-04-13 10:08:00
print(type(res))				# 
print(pd.Timedelta(weeks=5))	# 35 days 00:00:00

獲取儅前機器的支持的最大時間和最小時間

# 獲取儅前機器的支持的最大時間和 最小時間
print('max :',pd.Timestamp.max)
print('min :',pd.Timestamp.min)
"""
max : 2262-04-11 23:47:16.854775807
min : 1677-09-21 00:12:43.145225
"""