Pandas數據分析固定時間點和時間差
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,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 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() # 隻取日期
#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') # 當月初,一日 pd.Timestamp('now').replace(day=1) # Timestamp('2020-06-01 16:15:28.019039') #時間限制 #由於 Pandas 以納秒粒度表示時間戳,因此可以使用64位整數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瞭非常豐富的信息,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 是否當月最後一天 time.is_month_start # False 是否當月第一天 time.is_quarter_end # False 是否當季最後一天 time.is_quarter_start # False 是否當季第一天 time.is_year_end # 是否當年最後一天 time.is_year_start # 是否當年第一天 time.quarter # 2 當前季度數 # 如指定會返回類似 <DstTzInfo 'Asia/Shanghai' CST+8:00:00 STD> time.tz # None 當前時區別名 time.week # 24 當年第幾周 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: # 轉換為指定時區 time.astimezone('UTC') # Timestamp('2020-06-09 08:55:58.027896+0000', tz='UTC') # 轉換單位,向上舍入 time.ceil('s') # 轉為以秒為單位 # Timestamp('2020-06-09 16:55:59+0800', tz='Asia/Shanghai') time.ceil('ns') # 轉為以納秒為單位 time.ceil('d') # 保留日 time.ceil('h') # 保留時 # 轉換單位, 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') # 轉為周期類型,將丟失時區 time.to_period(freq='h') # 周期為小時 # Period('2020-06-09 17:00', 'H') # 轉為指定時區 time.tz_convert('UTC') # 轉為 utc 時間 # Timestamp('2020-06-09 09:14:44.126817+0000', tz='UTC') # 本地化時區轉換 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
時間缺失值
pd.Timestamp(pd.NaT) #參與計算 pd.NaT+pd.Timestamp('20201001')
.dt 時間訪問器
#對於時間序列數據,可以使用 s.dt.xxx 的形式來訪問它們的屬性和調用它們的方法:
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')
時長數據
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 數據類型用來代表時間增量,兩個固定時間相減會產生時差:
# 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'
用關鍵字參數指定時間: 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據: 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)
到此這篇關於Pandas數據分析固定時間點和時間差的文章就介紹到這瞭,更多相關Pandas固定時間點內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!
推薦閱讀:
- pandas實現datetime64與unix時間戳互轉
- Python 時間操作datetime詳情(下)
- 教你用python從日期中獲取年、月、日和星期等30種信息
- Python Pandas高級教程之時間處理
- Python最好的日期處理庫pendulum的使用指南