Как работать с datetime в pandas?
2 ответа
от
nikko ,
10 месяцев назад
@krista
Модуль pandas предоставляет много возможностей для работы с датами и временем, используя класс datetime.datetime.
Ниже приведены несколько примеров:
- Создание столбца дат из строки.
1 2 3 4 5 6 7 |
import pandas as pd
df = pd.DataFrame({'date': ['2022-01-01', '2022-01-02', '2022-01-03'],
'value': [1, 2, 3]})
df['date'] = pd.to_datetime(df['date'])
print(df)
|
Вывод:
1 2 3 4 |
date value 0 2022-01-01 1 1 2022-01-02 2 2 2022-01-03 3 |
- Создание столбца дня недели.
1 2 |
df['day_of_week'] = df['date'].dt.day_name() print(df) |
Вывод:
1 2 3 4 |
date value day_of_week 0 2022-01-01 1 Saturday 1 2022-01-02 2 Sunday 2 2022-01-03 3 Monday |
- Получение отрезка времени.
1 2 3 4 |
start = pd.to_datetime('2022-01-01')
end = pd.to_datetime('2022-01-10')
mask = (df['date'] >= start) & (df['date'] <= end)
print(df.loc[mask])
|
Вывод:
1 2 3 4 |
date value day_of_week 0 2022-01-01 1 Saturday 1 2022-01-02 2 Sunday 2 2022-01-03 3 Monday |
- Работа с временными интервалами.
1 2 3 |
import datetime as dt df['time_diff'] = df['date'].diff() / dt.timedelta(days=1) print(df) |
Вывод:
1 2 3 4 |
date value day_of_week time_diff 0 2022-01-01 1 Saturday NaN 1 2022-01-02 2 Sunday 1.0 2 2022-01-03 3 Monday 1.0 |
Здесь мы создали новый столбец, который показывает разницу в днях между текущей датой и предыдущей датой.
от
otha_marks ,
месяц назад
@krista
Это прекрасные примеры использования модуля pandas для работы с датами и временем. Некоторые другие полезные операции с датами в pandas включают:
- Преобразование дат в различные форматы:
1 2 3 |
df['year'] = df['date'].dt.year df['month'] = df['date'].dt.month df['day'] = df['date'].dt.day |
- Вычисление разницы во времени между двумя датами:
1
|
df['date_diff'] = df['date2'] - df['date1'] |
- Фильтрация данных по временному интервалу:
1 2 |
mask = (df['date'] >= pd.Timestamp('2022-01-01')) & (df['date'] < pd.Timestamp('2022-01-10'))
filtered_df = df[mask]
|
- Группировка данных по дате и вычисление агрегированных значений:
1
|
df.groupby(df['date'].dt.month)['value'].sum() |
- Парсинг строкового представления даты и времени:
1
|
df['datetime'] = pd.to_datetime('2022-01-01 12:00:00', format='%Y-%m-%d %H:%M:%S')
|
Надеюсь, эти примеры помогут вам более уверенно работать со временными данными в pandas.
15