Pandas学习（二）

一. datetime再了解

1.pd.to_datetime(df['date']).dt.date ==>得到的是含有精确到天的日期，格式为object而不是datetime

 如上图为自测数据，可以看到dt.date格式为object但是只精确到天

类推：pd.to_datetime(df['date']).dt.month==>只得到date数据的月份，类型为int型

        pd.to_datetime(df['date']).dt.year==>只得到date数据的年份，类型为int型

        pd.to_datetime(df['date']).dt.day==>只得到date数据具体的几号（没有月和年），类型为int型

二.各种数量统计及其意义：count(),size(),sum()

1.count()

①字符串str.count('具体字符')可以得到字符串含有的字符数量

 ②列表中list.count(内容)可以得到内容在列表中含有的个数

③pandas应用 

df.count()==>得到的是非空值的总个数（只有np.nan才是空值，空字符串也是会技数的哦！）

df = pd.DataFrame({'a':[1,np.nan,2]})
number = df['a'].count()
print(number)

代码结果：2           #np.nan为空值，count()不计入

④count_values()与count()

count_values()计算出不同值的个数分别是多少

 如上图，value_counts()(正如它的中文解释)得到变量'A','B','C','D'的具体数量。

value_counts(normalize=False, sort=True, ascending=False, bins=None, dropna=True)

具体参数含义：

1.normalize : boolean, default False　默认false，如为true，则以百分比的形式显示

2.sort : boolean, default True　默认为true,会对结果进行排序

3.ascending : boolean, default False　默认降序排序

4.bins : integer, 格式(bins=1),意义不是执行计算，而是把它们分成半开放的数据集合，只适用于数字数据

5.dropna : boolean, default True　默认删除na

2.sum() ==>为求和。  df['data']==>若为数字则求出该列所有数字的和，若是字符串则合并字符串

三.日期差（timedelta）

pandas中to_timedelta的使用：

pd.to_timedelta(arg,unit=None,error='raise')

其中，arg为要转化成timedelta的数据，格式可以是：str，timedelta，Series；unit为单位，例如：'D'表示天；error可以是'ignore','raise','coerce'三种，如果为'raise'则无效解析将引发异常，如果为'ignore'则无效解析将输入返回。

实际使用：客户留存率问题（例子：客户在2022年11月连续登入超过n天（n<28）的客户信息）

个人思路：（方法类似sql取数）

①首先，将客户日期字段转化成到天的格式，通过判定筛选2022年12月的所有信息。

②将所有信息按照客户的唯一标识use_id分类，通过rank()函数进行排名，通过time_delta将日期和排名做差，如果差值一样说明为连续的天（这边需要将每个个体按天去重，防止同一天登录多算）。如下图，为某一用户的登录日期，验证上述说法正确。

③取用户分组后按日期差那列的value_counts()的最大值==>这个表示最大的连续登录时间，最后判断这个天数与n的关系得到结果。

（若想做连续登录天数的题，可以做牛客的python数据分析的第33题练手！）