Pandas 日期时间

2024 年 8 月 29 日 | 阅读 3 分钟

Pandas 可以提供在所有领域处理时间序列数据的功能。它还通过使用 NumPy datetime64 和 timedelta64 dtypes，整合了来自其他 Python 库（如 scikits.timeseries）的大量功能。它提供了用于操作时间序列数据的新功能。在 Pandas Datetime 中执行的操作可以列出如下

DatetimeIndex
日期范围生成
本地化和转换
时区处理
时间序列操作

时间序列工具对于数据科学应用程序最有用，并且与其他在 Python 中使用的软件包相关。

示例 1：DatetimeIndex

以下代码生成一个以“5/4/2013”开头的八个日期序列，频率为一秒。

编码

# Python Program for Pandas datetime Library
import pandas as pd     
# Create the dates with frequency     
info = pd.date_range('5/4/2013', periods = 8, freq ='S')     
# Display the generated sequence of dates  
info                                   

输出

DatetimeIndex(['2013-05-04 00:00:00', '2013-05-04 00:00:01',
               '2013-05-04 00:00:02', '2013-05-04 00:00:03',
               '2013-05-04 00:00:04', '2013-05-04 00:00:05',
               '2013-05-04 00:00:06', '2013-05-04 00:00:07'],
              dtype='datetime64[ns]', freq='S')

示例 2：转换

以下代码使用 Pandas 中的 pd.to_datetime() 函数，将 DataFrame 中单独的年、月和日列转换为单个日期时间格式。

编码

# Python Program for Pandas datetime Library
import pandas as pd
# Create a DataFrame with 'year', 'month', and 'day' columns
info = pd.DataFrame({'year': [2014, 2012],  
'month': [5, 7],  
'day': [20, 17]})  
# Convert the DataFrame columns to datetime format
pd.to_datetime(info)                           

输出

0   2014-05-20
1   2012-07-17
dtype: datetime64[ns]

示例 3：范围生成

以下代码生成一个以“2017-06-04”开头的五个日期序列，频率为一秒。

编码

Example3

# Python Program for Pandas datetime Library
import pandas as pd  
start_date = '2017-06-04'
num_periods = 5
frequency = 'S'
dates = pd.date_range(start=start_date, periods=num_periods, freq=frequency)
# Display the generated sequence of dates  
dates                          

输出

DatetimeIndex(['2017-06-04 00:00:00', 
               '2017-06-04 00:00:01',
               '2017-06-04 00:00:02',
               '2017-06-04 00:00:03',
               '2017-06-04 00:00:04'],
               dtype='datetime64[ns]', freq='S')

示例 4：本地化

下面的 python datetime 代码使用 Pandas 中的 tz_localize() 函数，将由变量“dmy”表示的日期时间序列的时区本地化为 UTC。

编码

# Python Program for Pandas datetime Library
import pandas as pd  
# Localize the timezone of the 'dmy' datetime sequence to UTC
info = dmy.tz_localize('UTC')   
# Display the updated datetime sequence
info            

输出

DatetimeIndex(['2017-06-04 00:00:00+00:00', '2017-06-04 00:00:01+00:00',
               '2017-06-04 00:00:02+00:00', 
               '2017-06-04 00:00:03+00:00',
               '2017-06-04 00:00:04+00:00'],
              dtype='datetime64[ns, UTC]', freq='S')

示例 5：时间序列操作

编写以下代码是为了执行时间序列操作，如滚动平均值。

编码

# Python Program for Pandas datetime Library
import pandas as pd  
# Create a sample DataFrame with datetime index
data = {'Value': [10, 15, 8, 12, 9]}
index = pd.date_range('2022-01-01', periods=5, freq='D')
df = pd.DataFrame(data, index=index)

# Perform rolling window calculation on the 'Value' column
rolling_mean = df['Value'].rolling(window=3).mean()

# Print the DataFrame and rolling mean values
print("DataFrame:")
print(df)
print("Rolling Mean:")
print(rolling_mean) 

输出

DataFrame:
            Value
2022-01-01     10
2022-01-02     15
2022-01-03      8
2022-01-04     12
2022-01-05      9

Rolling Mean:
2022-01-01          NaN
2022-01-02          NaN
2022-01-03     11.000000
2022-01-04     11.666667
2022-01-05      9.666667
Freq: D, Name: Value, dtype: float64