1.时间处理
1.1 字符型转时间型
datetime = pandas.to_datetime(dateString, format)
#dateString：字符型时间列
#format：时间格式（如下表）
| 属性 | 注释 |
|---|---|
| %Y | 年 |
| %m | 月 |
| %d | 日 |
| %H | 时 |
| %M | 分 |
| %S | 秒 |
1.2 时间格式化
将时间型数据，按照指定格式，转为字符型数据。
dateTimeFormat = datetime.dt.strftime(format)
1.3 时间属性抽取
指从日期格式里面，抽取出部分属性。
datetime.dt.property
#datetime：数据框中时间列的列名
#property：下表属性
| 属性 | 注释 |
|---|---|
| second | 1-60：秒，从1开始到60 |
| minute | 1-60：分，从1开始到60 |
| hour | 1-24：时，从1开始到24 |
| day | 1-31：一个月中到第几天，从1开始，最大31 |
| month | 1-12：月，从1开始到12 |
| year | 年 |
| weekday | 1-7：一周中到第几天，从1开始到7 |
import pandas
data = pandas.read_csv(
'/users/bakufu/desktop/4.16/data.csv',
encoding = 'utf-8'
)
Out[4]:
电话 注册时间 是否微信
0 166412894295 2011/1/1 否
1 166416795207 2011/1/1 否
2 166423353436 2011/1/1 是
3 166424978309 2011/1/1 是
4 166450811715 2011/1/1 否
5 166450811771 2011/1/1 否
6 166450811789 2011/1/1 是
7 166450811792 2011/1/1 是
data['时间'] = pandas.to_datetime(
data.注册时间,
format='%Y/%m/%d'
)
Out[6]:
电话 注册时间 是否微信 时间
0 166412894295 2011/1/1 否 2011-01-01
1 166416795207 2011/1/1 否 2011-01-01
2 166423353436 2011/1/1 是 2011-01-01
3 166424978309 2011/1/1 是 2011-01-01
4 166450811715 2011/1/1 否 2011-01-01
5 166450811771 2011/1/1 否 2011-01-01
6 166450811789 2011/1/1 是 2011-01-01
7 166450811792 2011/1/1 是 2011-01-01
data['格式化时间'] = data.时间.dt.strftime('%Y-%m-%d')
Out[8]:
电话 注册时间 是否微信 时间 格式化时间
0 166412894295 2011/1/1 否 2011-01-01 2011-01-01
1 166416795207 2011/1/1 否 2011-01-01 2011-01-01
2 166423353436 2011/1/1 是 2011-01-01 2011-01-01
3 166424978309 2011/1/1 是 2011-01-01 2011-01-01
4 166450811715 2011/1/1 否 2011-01-01 2011-01-01
5 166450811771 2011/1/1 否 2011-01-01 2011-01-01
6 166450811789 2011/1/1 是 2011-01-01 2011-01-01
7 166450811792 2011/1/1 是 2011-01-01 2011-01-01
data['时间.年'] = data['时间'].dt.year
data['时间.月'] = data['时间'].dt.month
data['时间.周'] = data['时间'].dt.weekday
data['时间.日'] = data['时间'].dt.day
data['时间.时'] = data['时间'].dt.hour
data['时间.分'] = data['时间'].dt.minute
data['时间.秒'] = data['时间'].dt.second
屏幕快照 2018-07-04 06.06.38.png
2.时间抽取
指根据一定条件，对时间格式的数据进行抽取
根据索引抽取。
2.1 根据索引抽取
#抽取一段连续时间
DataFrame.ix[start:end]
#抽取时间点，多个时间点整理成时间点数组
DataFrame.ix[dates]
# -*- coding: utf-8 -*-
import pandas
data = pandas.read_csv(
'/users/bakufu/desktop/4.17/data.csv',
encoding='utf-8'
)
屏幕快照 2018-07-05 05.54.35.png
#把时间列设置为索引列
dateparse = lambda dates: pandas.datetime.strptime(
dates, '%Y%m%d'
)
#lambda表达式，会传入每一列数据
data = pandas.read_csv(
'/users/bakufu/desktop/4.17/data.csv',
encoding='utf-8',
#指定哪些列是时间格式的列
parse_dates=['date'],
#指定使用哪个方法处理时间格式的数据，上面已经定义
date_parser=dateparse,
#指定哪一列作为数据框的索引
index_col='date'
)
屏幕快照 2018-07-05 06.00.46.png
#根据索引进行抽取
import datetime
#生成两个时间点数组
dt1 = datetime.date(year=2016, month=2, day=1);
Out[4]: datetime.date(2016, 2, 1)
dt2 = datetime.date(year=2016, month=2, day=5);
Out[5]: datetime.date(2016, 2, 5)
#获取两个时间点内包含的数据
data.ix[dt1: dt2]
Out[6]:
value
date
2016-02-01 11261
2016-02-02 8713
2016-02-03 7299
2016-02-04 10424
2016-02-05 10795
#获取两个时间点对应的数据
data.ix[[dt1,dt2]]
Out[7]:
value
date
2016-02-01 11261
2016-02-05 10795
2.2 根据时间列抽取
DataFrame[condition]
# -*- coding: utf-8 -*-
import pandas
data = pandas.read_csv(
'/users/bakufu/desktop/4.17/data.csv',
encoding='utf-8',
parse_dates=['date'],
date_parser=dateparse
)
屏幕快照 2018-07-05 06.08.01.png
#时间格式数据比较运算
data[(data.date>=dt1) & (data.date<=dt2)]
Out[12]:
date value
31 2016-02-01 11261
32 2016-02-02 8713
33 2016-02-03 7299
34 2016-02-04 10424
35 2016-02-05 10795
