空间站广场

论文

Notebooks

比赛

课程

Apps

我的主页

我的Notebooks

我的论文库

我的足迹

我的工作空间

任务

节点

文件

数据集

镜像

项目

数据库

公开

12. 时间型操作

Pandas

xuxh@dp.tech

更新于 2024-08-06

推荐镜像 :Basic Image:bohrium-notebook:2023-04-07

推荐机型 :c2_m4_cpu

介绍时间列的相关操作

1. datetime 类型

1.1 创建 datetime

pandas.to_datetime(arg, errors='raise', dayfirst=False, yearfirst=False, utc=None, format=None, exact=True, unit=None, infer_datetime_format=False, origin='unix', cache=True)

2. 时间列操作

2.1 取时间组件操作

2.2 判断操作

2.3 时间对齐操作

3. 类型转换

4. timedelta 类型

4.1 创建

创建单变量

创建列表

也可以直接用内置的timedelta 替代

4.2 创建列

©️ Copyright 2023 @ Authors
作者：hangsz
共享协议：本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可。
快速开始：点击上方的 开始连接 按钮，选择 bohrium-notebook:2023-04-07镜像及任意CPU节点配置，稍等片刻即可运行。

介绍时间列的相关操作

时间列是做数据分析主要遇到的核心类型之一。

代码

文本

[1]

__auther__ = 'zhenhang.sun@gmail.com'

代码

文本

[2]

pwd

'D:\\github\\pandas-tutorial'

代码

文本

[3]

import time

代码

文本

[4]

import pandas as pd

代码

文本

[ ]

代码

文本

1. datetime 类型

datetime是pandas中操作时间序列的核心数据类型

代码

文本

1.1 创建 datetime

`pandas.to_datetime(arg, errors='raise', dayfirst=False, yearfirst=False, utc=None, format=None, exact=True, unit=None, infer_datetime_format=False, origin='unix', cache=True)`

常用如下参数：

arg 一般为需要作为datetime处理的列，原始类型可以是字符串或 int型的时间戳（s或ms）
format 如果arg是字符串，用这个参数来说明时间的样式
unit 如果arg是int型，用这个参数来说明是s还是ms
utc 是否utc，也即是否是0时区，如果是可以设置为True，否则不用设置，我们一般在东八区

代码

文本

[5]

df = pd.DataFrame({'str_time':['2020-01-01 12:03:05','2022-01-10 12:34:07','2022-01-31 12:05:09'],

'str_time2':['20220112 12:03:05','20220112 12:04:07','20220112 12:05:09'],

's_time': [int(time.time()), int(time.time()+100), int(time.time()+200)],

'ms_time': [1000*int(time.time()), 1000*int(time.time()+100), 100*int(time.time()+200)],

})

, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,

	str_time	str_time2	s_time	ms_time
0	2020-01-01 12:03:05	20220112 12:03:05	1642244343	1642244343000
1	2022-01-10 12:34:07	20220112 12:04:07	1642244443	1642244443000
2	2022-01-31 12:05:09	20220112 12:05:09	1642244543	164224454300

代码

文本

[6]

# 字符串默认时间格式

df['utctime1'] = pd.to_datetime(df['str_time'])

, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,

	str_time	str_time2	s_time	ms_time	utctime1
0	2020-01-01 12:03:05	20220112 12:03:05	1642244343	1642244343000	2020-01-01 12:03:05
1	2022-01-10 12:34:07	20220112 12:04:07	1642244443	1642244443000	2022-01-10 12:34:07
2	2022-01-31 12:05:09	20220112 12:05:09	1642244543	164224454300	2022-01-31 12:05:09

代码

文本

[7]

# 字符串非默认时间格式，需要给定format

df['utctime2'] = pd.to_datetime(df['str_time2'], format="%Y%m%d %H:%M:%S")

, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,

	str_time	str_time2	s_time	ms_time	utctime1	utctime2
0	2020-01-01 12:03:05	20220112 12:03:05	1642244343	1642244343000	2020-01-01 12:03:05	2022-01-12 12:03:05
1	2022-01-10 12:34:07	20220112 12:04:07	1642244443	1642244443000	2022-01-10 12:34:07	2022-01-12 12:04:07
2	2022-01-31 12:05:09	20220112 12:05:09	1642244543	164224454300	2022-01-31 12:05:09	2022-01-12 12:05:09

代码

文本

[8]

# s级时间戳

df['utctime3'] = pd.to_datetime(df['s_time'], unit='s')

, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,

	str_time	str_time2	s_time	ms_time	utctime1	utctime2	utctime3
0	2020-01-01 12:03:05	20220112 12:03:05	1642244343	1642244343000	2020-01-01 12:03:05	2022-01-12 12:03:05	2022-01-15 10:59:03
1	2022-01-10 12:34:07	20220112 12:04:07	1642244443	1642244443000	2022-01-10 12:34:07	2022-01-12 12:04:07	2022-01-15 11:00:43
2	2022-01-31 12:05:09	20220112 12:05:09	1642244543	164224454300	2022-01-31 12:05:09	2022-01-12 12:05:09	2022-01-15 11:02:23

代码

文本

[9]

# ms级时间戳，注意m后面带小数

df['utctime4'] = pd.to_datetime(df['ms_time'], unit='ms')

, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,

	str_time	str_time2	s_time	ms_time	utctime1	utctime2	utctime3	utctime4
0	2020-01-01 12:03:05	20220112 12:03:05	1642244343	1642244343000	2020-01-01 12:03:05	2022-01-12 12:03:05	2022-01-15 10:59:03	2022-01-15 10:59:03.000
1	2022-01-10 12:34:07	20220112 12:04:07	1642244443	1642244443000	2022-01-10 12:34:07	2022-01-12 12:04:07	2022-01-15 11:00:43	2022-01-15 11:00:43.000
2	2022-01-31 12:05:09	20220112 12:05:09	1642244543	164224454300	2022-01-31 12:05:09	2022-01-12 12:05:09	2022-01-15 11:02:23	1975-03-16 17:54:14.300

代码

文本

[10]

df.dtypes

str_time             object
,str_time2            object
,s_time                int64
,ms_time               int64
,utctime1     datetime64[ns]
,utctime2     datetime64[ns]
,utctime3     datetime64[ns]
,utctime4     datetime64[ns]
,dtype: object

代码

文本

[ ]

代码

文本

双击即可修改

代码

文本

2. 时间列操作

对列加上 dt 后就可以进行时间操作

代码

文本

2.1 取时间组件操作

代码

文本

[11]

# 顾名思义

df['utctime1'].dt.year

# df['utctime1'].dt.month

# df['utctime1'].dt.day

# df['utctime1'].dt.hour

# df['utctime1'].dt.minute

# df['utctime1'].dt.second

# df['utctime1'].dt.microsecond

# df['utctime1'].dt.date

# df['utctime1'].dt.time

0    2020
,1    2022
,2    2022
,Name: utctime1, dtype: int64

代码

文本

[ ]

代码

文本

2.2 判断操作

代码

文本

[12]

df['utctime1'].dt.is_leap_year #是否闰年

# df['utctime1'].dt.is_month_start #是否闰年

# df['utctime1'].dt.is_month_end #是否闰年

0     True
,1    False
,2    False
,Name: utctime1, dtype: bool

代码

文本

[ ]

代码

文本

2.3 时间对齐操作

支持的freq: https://pandas.pydata.org/docs/user_guide/timeseries.html#timeseries-offset-aliases

代码

文本

[13]

df['utctime1']

0   2020-01-01 12:03:05
,1   2022-01-10 12:34:07
,2   2022-01-31 12:05:09
,Name: utctime1, dtype: datetime64[ns]

代码

文本

[14]

# 向上

df['utctime1'].dt.ceil(freq="H")

0   2020-01-01 13:00:00
,1   2022-01-10 13:00:00
,2   2022-01-31 13:00:00
,Name: utctime1, dtype: datetime64[ns]

代码

文本

[15]

# 向下

df['utctime1'].dt.floor(freq="H")

0   2020-01-01 12:00:00
,1   2022-01-10 12:00:00
,2   2022-01-31 12:00:00
,Name: utctime1, dtype: datetime64[ns]

代码

文本

[16]

# 向最近的

df['utctime1'].dt.round(freq="H")

0   2020-01-01 12:00:00
,1   2022-01-10 13:00:00
,2   2022-01-31 12:00:00
,Name: utctime1, dtype: datetime64[ns]

代码

文本

[ ]

代码

文本

[ ]

代码

文本

3. 类型转换

代码

文本

[17]

# 转换为字符串

df['utctime1'].dt.strftime('%m/%d/%Y %H:%M:%S')

0    01/01/2020 12:03:05
,1    01/10/2022 12:34:07
,2    01/31/2022 12:05:09
,Name: utctime1, dtype: object

代码

文本

[18]

# 转换为int时间戳，到ns级别

df['utctime1'].values.astype('int64')

array([1577880185000000000, 1641818047000000000, 1643630709000000000],
,      dtype=int64)

代码

文本

[ ]

代码

文本

4. timedelta 类型

代码

文本

4.1 创建

创建单变量

pd.timedelta(class pandas.Timedelta(value=<object object>, unit=None, **kwargs)

kwargs 一般用这个，kwargs: {days, seconds, microseconds, milliseconds, minutes, hours, weeks}.

创建列表

pd.to_timedelta(arg)

arg list of timedelta

代码

文本

[19]

td = pd.Timedelta(hours=3, minutes=5)

Timedelta('0 days 03:05:00')

代码

文本

[20]

df['utctime1']

0   2020-01-01 12:03:05
,1   2022-01-10 12:34:07
,2   2022-01-31 12:05:09
,Name: utctime1, dtype: datetime64[ns]

代码

文本

[21]

df['utctime1'] + td

0   2020-01-01 15:08:05
,1   2022-01-10 15:39:07
,2   2022-01-31 15:10:09
,Name: utctime1, dtype: datetime64[ns]

代码

文本

[22]

df['utctime1'] - td

0   2020-01-01 08:58:05
,1   2022-01-10 09:29:07
,2   2022-01-31 09:00:09
,Name: utctime1, dtype: datetime64[ns]

代码

文本

[ ]

代码

文本

也可以直接用内置的timedelta 替代

代码

文本

[23]

from datetime import timedelta

df['utctime1'] + timedelta(hours=3, minutes=5)

0   2020-01-01 15:08:05
,1   2022-01-10 15:39:07
,2   2022-01-31 15:10:09
,Name: utctime1, dtype: datetime64[ns]

代码

文本

[ ]

代码

文本

[24]

tds = pd.to_timedelta([pd.Timedelta(hours=1),pd.Timedelta(minutes=1),pd.Timedelta(seconds=30)])

tds

TimedeltaIndex(['0 days 01:00:00', '0 days 00:01:00', '0 days 00:00:30'], dtype='timedelta64[ns]', freq=None)

代码

文本

[25]

df['utctime1']

0   2020-01-01 12:03:05
,1   2022-01-10 12:34:07
,2   2022-01-31 12:05:09
,Name: utctime1, dtype: datetime64[ns]

代码

文本

[26]

df['utctime1'] + tds

0   2020-01-01 13:03:05
,1   2022-01-10 12:35:07
,2   2022-01-31 12:05:39
,dtype: datetime64[ns]

代码

文本

[ ]

代码

文本

4.2 创建列

代码

文本

[27]

# 查看结构

td.components

Components(days=0, hours=3, minutes=5, seconds=0, milliseconds=0, microseconds=0, nanoseconds=0)

代码

文本

[28]

# 查看结构

tds.components

, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,

	hours	minutes	seconds
0	1	0	0
1	0	1	0
2	0	0	30

代码

文本

[ ]

代码

文本

[29]

# 转化为 s

td.total_seconds()

11100.0

代码

文本

[30]

tds.total_seconds()

Float64Index([3600.0, 60.00000000000001, 30.000000000000004], dtype='float64')

代码

文本

[ ]

代码

文本

Pandas

点个赞吧

本文被以下合集收录

Pandas精品教程！适合初级到中级学习者

xuxh@dp.tech

更新于 2024-09-09

14 篇3 人关注