Python的Pandas時序數據實例分析

這篇文章主要講解了“Python的Pandas時序數據實例分析”，文中的講解內容簡單清晰，易于學習與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學習“Python的Pandas時序數據實例分析”吧！

Pandas時序數據

前言 在數據分析中，時序數據是一類非常重要的數據。事物的發展總是伴隨著時間的推移，數據也會在各個時間點上產生。

一、python中的時間表示-datetime模塊

Python的標準庫datetime支持創建和處理時間，Pandas的時間時序模塊是在datetime的基礎上建立的。

1.換取當前時間

import datetime

now = datetime.datetime.now()  # 2022-03-06 18:43:49.506048

其中now的全貌如下，是一個datetime對象：

now: datetime.datetime(2022, 3, 6, 18, 37, 10, 132078)

 datetime.datetime對象常用的方法：

(1) strftime(): 對datetime對象的格式進行轉換。使用含%的占位符書寫目標格式，如：

newForm = now.strftime("%Y-%m-%d (%H:%M:%S)")
# 2022-03-06 (18:52:31)  為字符串類型

各占位符的含義如下

% y 兩位數的年份表示（00 - 99）
% Y 四位數的年份表示（000 - 9999）
% m 月份（01 - 12）
% d 月內中的一天（0 - 31）
% H 24小時制小時數（0 - 23）
% I 12小時制小時數（01 - 12）
% M 分鐘數（00 = 59）
% S 秒（00 - 59）
% a 本地簡化星期名稱
% A 本地完整星期名稱
% b 本地簡化的月份名稱
% B 本地完整的月份名稱
% c 本地相應的日期表示和時間表示
% j 年內的一天（001 - 366）
% p 本地A.M.或P.M.的等價符
% U 一年中的星期數（00 - 53）星期天為星期的開始
% w 星期（0 - 6），星期天為星期的開始
% W 一年中的星期數（00 - 53）星期一為星期的開始
% x 本地相應的日期表示
% X 本地相應的時間表示
% Z 當前時區的名稱
% %  % 號本身

2.指定時間

向datetime.datetime()中傳入對應的參數，默認按照單位從大到小指定

birthday = datetime.datetime(2001, 1, 11)  # 默認指定
print(birthday)

也可以通過參數指定，其中year、monnth、day三個參數必須指定

yesterday = pd.Timestamp(2022, 3, 5)  # 2022-03-05 00:00:00
now = pd.Timestamp("now")  # 2022-03-06 19:13:56.507604

3.運算

(1) datetime.datetime對象之間支持減法運算，得到的是一個datetime.timedelta對象

delta = yeaterday - birthday  # 7723 days, 0:00:00

二、 Pandas處理時序序列 

1.pd.Timestamp()

pd.Timestamp()是Pandas定義事時間的主要函數, 支持更豐富的定義時間的構造方法

（1） 根據datetime.datetime對象

now = pd.Timestamp(datetime.datetime.now())
print(now)  # 2022-03-06 19:07:07.253402

(2) 根據字符串

today = pd.Timestamp("2022-03-06")
print(today)  # 2022-03-06 00:00:00

(3) 更具指定的參數

yesterday = pd.Timestamp(2022, 3, 5)  # 2022-03-05 00:00:00
now = pd.Timestamp("now")  # 2022-03-06 19:13:56.507604

(4) 根據時間戳

pd.Timestamp(1646565103.114923, unit="s")  # unit指定單位為秒

2.pd.Timedelta()

pd.Timedelta()用于創建時間差對象，也具有與pd.Timestamp()類似的構造方法。

(1) 根據字符串創建

oneDay = pd.Timedelta("1 days")  # 1 days 00:00:00
duration = pd.Timedelta("2 days 2 hours")  # 1 days 02:00:00

(2) 指定參數創建

oneDay = pd.Timedelta(days=1)  # 1 days 00:00:00

3.運算

與`datetime`模塊運算類似，`pandas`的`Timestamp`對象之間相減可以得到`Timedelta`對象。

4.時間索引

數據表中長常使用時間作為索引，pandas支持創建長時間序列

(1) pd.to_datetime()

pd.to_datetime()支持將時間對象和類時間字符串轉化為DatetimeIndex對象。

index = pd.to_datetime(["03/06/2022", datetime.datetime.now()])
print(index)
# DatetimeIndex(['2022-03-06 00:00:00', '2022-03-06 19:29:44.855267'], dtype='datetime64[ns]', freq=None)

(2) pd.date_range()

 pd.date_range()可以給定開始時間或者結束時間，并且指定周期數據，周期頻率，會自動生成在此范圍的時間索引數據：

index = pd.date_range(start="2022-01-01", periods=10)
print(index)
# DatetimeIndex(['2022-01-01', '2022-01-02', '2022-01-03', '2022-01-04',
               '2022-01-05', '2022-01-06', '2022-01-07', '2022-01-08',
               '2022-01-09', '2022-01-10'],
              dtype='datetime64[ns]', freq='D')

如果要跳過休息日可以使用pd.bdate_range()函數

感謝各位的閱讀，以上就是“Python的Pandas時序數據實例分析”的內容了，經過本文的學習后，相信大家對Python的Pandas時序數據實例分析這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是億速云，小編將為大家推送更多相關知識點的文章，歡迎關注！