Pandas中常用的七个时间戳处理函数

Python 程序允许我们使用 NumPy timedelta64 和 datetime64 来操作和检索时间序列数据。中常 sklern库中也提供时间序列功能，间戳但 Pandas 为我们提供了更多且好用的处理函数。

Pandas 库中有四个与时间相关的函数概念

日期时间：日期时间表示特定日期和时间及其各自的时区。 它在 pandas 中的中常数据类型是 datetime64[ns] 或 datetime64[ns, tz]。时间增量：时间增量表示时间差异，间戳它们可以是处理不同的单位。 示例：“天、函数小时、中常减号”等。间戳换句话说，处理它们是函数日期时间的子类。时间跨度：时间跨度被称为固定周期内的中常相关频率。 时间跨度的间戳数据类型是 period[freq]。日期偏移：日期偏移有助于从当​前日期计算选定日期，处理日期偏移量在 pandas 中没有特定的数据类型。

时间序列分析至关重要，因为它们可以帮助我们了解随着时间的推移影响趋势或系统模式的因素。 在数据可视化的站群服务器帮助下，分析并做出后续决策。

现在让我们看几个使用这些函数的例子

1、查找特定日期的某一天的名称import pandas as pd

day = pd.Timestamp(‘2021/1/5’)

day.day_name()

上面的程序是显示特定日期的名称。 第一步是导入 panda 的并使用 Timestamp 和 day_name 函数。 “Timestamp”功能用于输入日期，“day_name”功能用于显示指定日期的名称。

2、执行算术计算import pandas as pd

day = pd.Timestamp(‘2021/1/5’)

day1 = day + pd.Timedelta(“3 day”)

day1.day_name()

day2 = day1 + pd.offsets.BDay()

day2.day_name()

在第一个代码中，显示三天后日期名称。“Timedelta”功能允许输入任何天单位(天、小时、分钟、秒)的时差。

在第二个代码中，使用“offsets.BDay()”函数来显示下一个工作日。 换句话说，这意味着在星期五之后，下一个工作日是星期一。

3、使用时区信息来操作转换日期时间

获取时区的信息

import pandas as pd

import numpy as np

from datetime import datetime

dat_ran = dat_ran.tz_localize(“UTC”)

dat_ran

转换为美国时区

dat_ran.tz_convert(“US/Pacific”)

代码的亿华云计算目标是更改日期的时区。 首先需要找到当前时区。 这是“tz_localize()”函数完成的。 我们现在知道当前时区是“UTC”。使用“tz_convert()”函数，转换为美国/太平洋时区。

4、使用日期时间戳import pandas as pd

import numpy as np

from datetime import datetime

dat_ran = pd.date_range(start = ‘1/1/2021’, end = ‘1/5/2021’, freq = ‘Min’)

print(type(dat_ran[110]))

5、创建日期系列import pandas as pd

import numpy as np

from datetime import datetime

dat_ran = pd.date_range(start = ‘1/1/2021’, end = ‘1/5/2021’, freq = ‘Min’)

print(dat_ran)

上面的代码生成了一个日期系列的范围。使用“date_range”函数，输入开始和结束日期，可以获得该范围内的日期。

6、操作日期序列import pandas as pd

from datetime import datetime

import numpy as np

dat_ran = pd.date_range(start =’1/1/2019, end =’1/08/2019,freq =’Min’)

df = pd.DataFrame(dat_ran, columns =[‘date’])

df[‘data’] = np.random.randint(0, 100, size =(len(dat_ran)))

print(df.head(5))

在上面的代码中，使用“DataFrame”函数将字符串类型转换为dataframe。 最后“np.random.randint()”函数是随机生成一些假定的数据。

7、使用时间戳数据对数据进行切片import pandas as pd

from datetime import datetime

import numpy as np

dat_ran = pd.date_range(start =’1/1/2019, end =’1/08/2019, freq =’Min’)

df = pd.DataFrame(dat_ran, columns =[‘date’])

df[‘data’] = np.random.randint(0, 100, size =(len(dat_ran)))

string_data = [str(x) for x in dat_ran]

print(string_data[1:5])

上面代码是是第6条的的延续。源码库 在创建dataframe并将其映射到随机数后，对列表进行切片。

最后总结，本文通过示例演示了时间序列和日期函数的所有基础知识。 建议参考本文中的内容并尝试pandas中的其他日期函数进行更深入的学习，因为这些函数在我们实际工作中非常的重要。

很赞哦!（1852）