您好,登录后才能下订单哦!
这篇文章主要介绍“怎么使用Pandas数据分析固定时间点和时间差”,在日常操作中,相信很多人在怎么使用Pandas数据分析固定时间点和时间差问题上存在疑惑,小编查阅了各式资料,整理出简单好用的操作方法,希望对大家解答”怎么使用Pandas数据分析固定时间点和时间差”的疑惑有所帮助!接下来,请跟着小编一起来学习吧!
pandas处理时间的对象有很多,分别表示不同的作用。
本次介绍固定时间对象和时间长对象。
还是先导入包:
import numpy as np import pandas as pd import datetime
固定时间 时间点对象的建立
时间点就表示一个时刻的具体时间,比如现在是2022年8月10日16:31:56。
时间对象的建立有很多方法。
#使用 python 的 datetime 库,至少需要年月日
datetime.datetime.now()
#指定时间 datetime.datetime(2022,8,10,10,5)
#pandas 等第三方库都是在datetime建立时间对象的 #pd.Timestamp() 是定义时间的主要函数,代替 python 中的 datetime.datetime 对象。 pd.Timestamp(datetime.datetime(2020, 6, 8))
指定时间字符串
pd.Timestamp('2012-05-01') # Timestamp('2012-05-01 00:00:00') pd.Timestamp('2017-01-01T12') # Timestamp('2017-01-01 12:00:00')
#指定时间位置数字,可以依次定义 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')
#解析时间戳 pd.Timestamp(1513393355.5, unit='s') # 单位为秒 # Timestamp('2017-12-16 03:02:35.500000') #指定时区 pd.Timestamp(1513393355, unit='s', tz='US/Pacific') # Timestamp('2017-12-15 19:02:35-0800', tz='US/Pacific') # 指定为北京时间 pd.Timestamp(1513393355, unit='s', tz='Asia/Shanghai') # Timestamp('2017-12-16 11:02:35+0800', tz='Asia/Shanghai') #特殊时间 #以下可取得当前时间,从而可通过属性取到今天日期、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
#也可以计算出昨天、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') # 当月初,一日 pd.Timestamp('now').replace(day=1) # Timestamp('2020-06-01 16:15:28.019039') #时间限制 #由于 Pandas 以纳秒粒度表示时间戳,因此可以使用64位整数表示的时间跨度限制为大约584年: pd.Timestamp.min # Timestamp('1677-09-21 00:12:43.145225') pd.Timestamp.max # Timestamp('2262-04-11 23:47:16.854775807')
一个具体的时间包含了非常丰富的信息,如年份、在周几、在几月、在哪个季度,需要我们进行属性的读取。
#先创建一个时间 time = pd.Timestamp('now') time
以下是丰富的时间属性:
time.asm8 # 返回 numpy datetime64格式(以纳秒为单位)。 #numpy.datetime64('2022-08-10T09:58:52.365676000') time.dayofweek # 1 周几,周一为0 time.day_of_week # 同上 time.dayofyear # 161, 一年的第几天 time.day_of_year # 同上 time.days_in_month # 30 当月有多少天 time.daysinmonth # 30 同上 time.freqstr # None, 周期字符 time.is_leap_year # True 是否闰年,公历的 time.is_month_end # False 是否当月最后一天 time.is_month_start # False 是否当月第一天 time.is_quarter_end # False 是否当季最后一天 time.is_quarter_start # False 是否当季第一天 time.is_year_end # 是否当年最后一天 time.is_year_start # 是否当年第一天 time.quarter # 2 当前季度数 # 如指定会返回类似 <DstTzInfo 'Asia/Shanghai' CST+8:00:00 STD> time.tz # None 当前时区别名 time.week # 24 当年第几周 time.weekofyear # 24 同上 time.day # 9 日 time.fold # 0 time.freq # None 频度周期 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
time = pd.Timestamp('now', tz='Asia/Shanghai') # Timestamp('2020-06-09 16:55:58.027896+0800', tz='Asia/Shanghai') #方法如下: # 转换为指定时区 time.astimezone('UTC') # Timestamp('2020-06-09 08:55:58.027896+0000', tz='UTC') # 转换单位,向上舍入 time.ceil('s') # 转为以秒为单位 # Timestamp('2020-06-09 16:55:59+0800', tz='Asia/Shanghai') time.ceil('ns') # 转为以纳秒为单位 time.ceil('d') # 保留日 time.ceil('h') # 保留时 # 转换单位, 为向下舍入 time.floor('h') # 保留时 # Timestamp('2020-06-09 17:00:00+0800', tz='Asia/Shanghai') # 类似四舍五入 time.round('h') # 保留时
# 返回星期名 time.day_name() # 'Tuesday' # 月份名称 time.month_name() # 'June' # 将时间戳规范化为午夜,保留tz信息。 time.normalize() # Timestamp('2020-06-09 00:00:00+0800', tz='Asia/Shanghai') # 时间元素替换 datetime.replace,可处理纳秒。 time.replace(year=2019) # 年份换为2019年 # Timestamp('2019-06-09 17:14:44.126817+0800', tz='Asia/Shanghai') time.replace(month=8) # 月份换为8月 # Timestamp('2020-08-09 17:14:44.126817+0800', tz='Asia/Shanghai') # 转为周期类型,将丢失时区 time.to_period(freq='h') # 周期为小时 # Period('2020-06-09 17:00', 'H') # 转为指定时区 time.tz_convert('UTC') # 转为 utc 时间 # Timestamp('2020-06-09 09:14:44.126817+0000', tz='UTC') # 本地化时区转换 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) # 删除时区
pd.Timestamp(pd.NaT) #参与计算 pd.NaT+pd.Timestamp('20201001')
#对于时间序列数据,可以使用 s.dt.xxx 的形式来访问它们的属性和调用它们的方法:
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 # 个别用法举例 s.dt.tz_localize('UTC').dt.tz_convert('US/Eastern') s.dt.strftime('%Y/%m/%d')
和上面的时间点比起来,时间差就表示一个时间的长度,一天一小时这种时间差。
Timedelta 数据类型用来代表时间增量,两个固定时间相减会产生时差:
# 两个固定时间相减 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')
按以下格式传入字符串:
# 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'
用关键字参数指定时间: pd.Timedelta(days=5, seconds=10) # Timedelta('5 days 00:00:10') pd.Timedelta(minutes=3, seconds=2) # Timedelta('0 days 00:03:02') # 可以实现指定分钟有多少天,多少小时 pd.Timedelta(minutes=3242)
使用带周期量的偏移量别名:
# 一天 pd.Timedelta('1D') # Timedelta('1 days 00:00:00') # 两周 pd.Timedelta('2W') # Timedelta('14 days 00:00:00') # 一天2小时3分钟4秒 pd.Timedelta('1D2H3M4S')
带单位的整型数字:
# 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内置的datetime.timedelta或者Numpy的np.timedelta64:
# 一天10分钟 pd.Timedelta(datetime.timedelta(days=1, minutes=10)) # Timedelta('1 days 00:10:00') # 100纳秒 pd.Timedelta(np.timedelta64(100, 'ns')) # Timedelta('0 days 00:00:00.000000100')
负值
# 负值 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) 来构建:
pd.Timedelta(pd.offsets.Second(2)) # Timedelta('0 days 00:00:02') #to_timedelta,可以直接生成单个时长数据: 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')
时长可以相加:
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
tdt=pd.Timedelta('10 days 9 min 3 sec') tdt.days tdt.seconds tdt.value #(时间戳)
到此,关于“怎么使用Pandas数据分析固定时间点和时间差”的学习就结束了,希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习,快去试试吧!若想继续学习更多相关知识,请继续关注亿速云网站,小编会继续努力为大家带来更多实用的文章!
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。