Pandas处理日期数据

• • 依据前缀查询
  • 方便的获取周、月、季度
• date_range() 函数
• • 连续日期 (连续日历日)
  • 中间隔一天
  • 工作日
  • 每月的第一天
  • 每月的最后一天
  • 季度末
  • freq参数表

Pandas时间官网文档：https://pandas.pydata.org/pandas-docs/stable/user_guide/timeseries.html

Pandas日期处理，可以将2018-01-01、1/1/2018等多种日期格式映射成统一的格式对象，在该对象上提供强大的功能支持。

几个概念：

1. .to_datetime：pandas的一个函数，能将字符串、列表、series变成日期形式
2. Timestamp：pandas表示日期的对象形式
3. DatetimeIndex：pandas表示日期的对象列表形式

其中：

• DatetimeIndex是Timestamp的列表形式
• pd.to_datetime对单个日期字符串处理会得到Timestamp
• pd.to_datetime对日期字符串列表处理会得到DatetimeIndex

此部分来源于B站up主https://space.bilibili.com/61036655

import pandas as pd
df = pd.read_csv('F:\Temp\datas\Tianqi_2018.csv')
df['time_copy'] = pd.to_datetime(df['time'])
df.set_index(pd.to_datetime(df["time"]), inplace=True)
print(df.head())

将索引设置成时间格式，是为了方便的对DatetimeIndex进行查询。下面开始演示。

# 下面两行代码，哪怕索引不是datetime形式，也能查的出来
# 筛选固定的某一天
print(df.loc['2018-01-05'])
# 日期区间
print(df.loc['2018-01-05':'2018-01-10'])

# 按月份前缀筛选（若索引不是datetime形式的，会报错）
print(df.loc['2018-03'])

# 若是 print(df.loc[df['time_copy']=='2018-03'])   虽然数据类型没问题，但只能输出3月1号这一行的数据
# 注意括号位置  符号&不能替换为and
# 它与 df.loc[(df['time_copy']>='2018-03-01') & (df['time_copy']<='2018-03-31')] 结果一样，所以对于逻辑判断来说，数据类型不影响结果
print(df.loc[(df['time']>='2018-03-01') & (df['time']<='2018-03-31')])


# 按月份前缀筛选（若索引是字符串类型，那么只有2018-07-01到2018-08-31 62行）
print(df.loc["2018-07":"2018-09"])


# 按年份前缀筛选（若索引是字符串类型，直接报错）
print(df.loc["2018"])

https://pandas.pydata.org/pandas-docs/stable/user_guide/timeseries.html#time-date-components

# 获取州 月 季度数字列表（这只对index有用，time_copy列不行）
print(df.index.week)
print(df.index.month)
print(df.index.quarter)

统计每周、每月、每个季度的最高温度（也可以统计最低均值）

# 统计每周的最高温
print(df.groupby(df.index.week)["bWendu"].max())

# 统计每月的最高温
print(df.groupby(df.index.month)["bWendu"].max())

# 统计每个季度的最高温
print(df.groupby(df.index.quarter)["bWendu"].max())

注意freq=的参数，本节末有参数表。
date_range()起止参数包括其自身。 也可以像Python的range()一样，使用closed参数（closed=‘left’ or closed=‘right’）

import pandas as pd
print(pd.date_range(start='2021-6-1',end='2021-6-10'))
print()
print(pd.date_range(start='2021-6-1',periods=10))
'''
DatetimeIndex(['2021-06-01', '2021-06-02', '2021-06-03', '2021-06-04',
               '2021-06-05', '2021-06-06', '2021-06-07', '2021-06-08',
               '2021-06-09', '2021-06-10'],
              dtype='datetime64[ns]', freq='D')
'''

import pandas as pd
print(pd.date_range(start='2021-6-1',end='2021-6-10', freq='2D'))
'''
DatetimeIndex(['2021-06-01', '2021-06-03', '2021-06-05', '2021-06-07',
               '2021-06-09'],
              dtype='datetime64[ns]', freq='2D')
'''

import pandas as pd
print(pd.date_range(start='2021-6-1',end='2021-6-10', freq='B'))
'''
DatetimeIndex(['2021-06-01', '2021-06-02', '2021-06-03', '2021-06-04',
               '2021-06-07', '2021-06-08', '2021-06-09', '2021-06-10'],
              dtype='datetime64[ns]', freq='B')
'''

import pandas as pd
print(pd.date_range(start='2020-1-1',end='2020-12-31',freq='MS'))
'''
DatetimeIndex(['2020-01-01', '2020-02-01', '2020-03-01', '2020-04-01',
               '2020-05-01', '2020-06-01', '2020-07-01', '2020-08-01',
               '2020-09-01', '2020-10-01', '2020-11-01', '2020-12-01'],
              dtype='datetime64[ns]', freq='MS')
'''

import pandas as pd
print(pd.date_range(start='2020-1-1',end='2020-12-31',freq='M'))
'''
DatetimeIndex(['2020-01-31', '2020-02-29', '2020-03-31', '2020-04-30',
               '2020-05-31', '2020-06-30', '2020-07-31', '2020-08-31',
               '2020-09-30', '2020-10-31', '2020-11-30', '2020-12-31'],
              dtype='datetime64[ns]', freq='M')
'''

import pandas as pd
print(pd.date_range(start='2020-1-1',end='2020-12-31', freq='Q'))
'''
DatetimeIndex(['2020-03-31', '2020-06-30', '2020-09-30', '2020-12-31'], dtype='datetime64[ns]', freq='Q-DEC')
'''

官网：https://pandas.pydata.org/pandas-docs/stable/user_guide/timeseries.html#offset-aliases