Pandas 日期数据处理

• Pandas 日期数据处理
• 前言
• 一、DataFrame的日期数据转换
• 二、使用步骤
• • • 1.各种日期格式转换示例：
    • 2.将数组组合起来转换为日期数据（示例）：
    • 3.日期属性访问器对象（dt）
    • 4.获取日期区间
• 总结

日常工作中，日期格式有多种表达形式，比如年份开头或是月份开头2022/6/4、6/4/2022等，通过pandas的日期数据处理，可以将不同的日期格式进行统一，并进行过滤分类分析等操作，方便我们后续工作使用。

提示：以下是本篇文章正文内容，下面案例可供参考

转换格式及参数：

pandas.to_datetime(arg,eerors='ignore',dayfirst=False,yearfirst=False,utc=None,box=Ture,
format=None,exact=Ture,unit=None,infer_datetime_format=False,origin='unix',cache=False)

参数说明

arg: 字符串、日期时间、字符串数组
errors：igonre无视错误，raise无效的解析将引发异常，coerce无效解析设置为NaT。
dayrirst: 类型为布尔值,默认False;如果为True,解析第一个为天，例如：01/05/2022，解析为2022-05-01
yearfirst:类型：布尔值,默认False;如果为True,解析第一个为年，例如：22-05-01,解析为2022-05-01
utc: 默认为None,返回utc，即协调时间时间
box: 布尔值，默认为True,返回DatetimeIndex;如果为False，返回值的ndarray.
format :格式化显示时间的格式。字符串，默认值为None
exact: 布尔值，默认False.如果为True，则要求格式完全区配；如果为False,则允许格式与目标字符串中的任意位置区配
infer_datetime_format: 默认为False.没有格式，尝试根据第一个日期推断出格式
origin: 默认unix。定义参考日期。数值将解析为单位数。
cache: 默认值为False。设置True启动缓存加速。

import pandas as pd
pd.set_option('display.unicode.east_asian_width',True) #设置对其
df = pd.DataFrame({'原日期':['01-Mar-22','05/01/2022','2022.05.01','2022/05/01','20220501']})
df['日期'] = pd.to_datetime(df['原日期'])
print(df)

输出:

df1 = pd.DataFrame({'year':[2022,2021,2020],
              'month':[5,4,3],
              'day':[6,7,8],
              'hour':[12,13,2],
              'minute':[22,2,10],
              'second':[3,34,17]})
df1['组合日期'] = pd.to_datetime(df1)
print(df1)

输出：

Series.dt() #返回dt对象

dt对象是Series对象中用于获取日期属性的一个访问器对象，使用它可以获取日期中的年月日、星期数和季节等，还可以判断日期是否属于年底。

dt对象的属性方法：

dt.year
dt.month
dt.day
dt.dayofweek
dt.dayofyear
dt.is_leap_year
dt.quater
dt.weekday_name

获取年、月、日，具体代码如下：

df['年'] = df['日期'].dt.year
df['月'] = df['日期'].dt.month
df['日'] = df['日期'].dt.day

获取日期所处的星期数：

df['星期几']=df['日期'].dt.day_name()

判断日期是否在年底最后一天：

df['是否年底']=df['日期'].dt.is_year_end

获取日期所属的季节：

df['季度']=df['日期'].dt.quarter

输出结果：

当DataFrame对象使用日期为索引时，可以输入日期或日期区间获取数据
设置日期为索引：

df1.set_index(df1['组合日期'],inplace=True)

获取2022年的数据

df1.loc['2021']

输出：

获取2022到2022的数据

df1.loc['2022':'2020']

输出：

获取具体某一天的数据（如2022年5月6日）

df1.loc['2022-5-06':'2022-05-06']

输出

以上就是今天要讲的内容，本文介绍了pandas的日期数据处理使用，pandas还提供了大量日期处理属性和方法，可以用于统计和分析数据。