Pandas教程-Pandas日期时间

Pandas可以为所有领域的时间序列数据提供功能。它还通过使用NumPy的datetime64和timedelta64数据类型整合了来自其他Python库（如scikits.timeseries）的大量功能。它为操作时间序列数据提供了新的功能。Pandas日期时间中执行的操作可以列举为：

1. DatetimeIndex
2. 日期范围生成
3. 本地化和转换
4. 时区处理
5. 时间序列操作

时间序列工具对于数据科学应用程序非常有用，并与Python中使用的其他包一起使用。

示例1: DatetimeIndex

下面的代码生成从'5/4/2013'开始的八个日期，频率为一秒。

代码

# 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

下面的代码使用Pandas中的pd.to_datetime()函数，将具有年、月和日的单独列的DataFrame转换为单个日期时间格式。

代码

# 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: 生成范围

下面的代码生成从'2017-06-04'开始的五个日期，频率为一秒。

代码

# 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日期时间代码将由变量'dmy'表示的日期时间序列的时区本地化为UTC，使用Pandas中的tz_localize()函数。

代码

# 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

下面的代码用于执行时间序列操作，如滚动均值。

代码

# 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

结论:

Pandas库为在Python中处理日期时间数据提供了强大的功能。它提供了各种功能，以有效地处理、操作和分析日期和时间。