Python的Pandas时序数据实例分析

这篇文章主要讲解了"Python的Pandas时序数据实例分析"，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习"Python的Pandas时序数据实例分析"吧！

Pandas时序数据

前言 在数据分析中，时序数据是一类非常重要的数据。事物的发展总是伴随着时间的推移，数据也会在各个时间点上产生。

一、python中的时间表示-datetime模块

Python的标准库datetime支持创建和处理时间，Pandas的时间时序模块是在datetime的基础上建立的。

1.换取当前时间

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

其中now的全貌如下，是一个datetime对象：

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

datetime.datetime对象常用的方法：

(1) strftime(): 对datetime对象的格式进行转换。使用含%的占位符书写目标格式，如：

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

各占位符的含义如下

% y 两位数的年份表示（00 - 99）% Y 四位数的年份表示（000 - 9999）% m 月份（01 - 12）% d 月内中的一天（0 - 31）% H 24小时制小时数（0 - 23）% I 12小时制小时数（01 - 12）% M 分钟数（00 = 59）% S 秒（00 - 59）% a 本地简化星期名称% A 本地完整星期名称% b 本地简化的月份名称% B 本地完整的月份名称% c 本地相应的日期表示和时间表示% j 年内的一天（001 - 366）% p 本地A.M.或P.M.的等价符% U 一年中的星期数（00 - 53）星期天为星期的开始% w 星期（0 - 6），星期天为星期的开始% W 一年中的星期数（00 - 53）星期一为星期的开始% x 本地相应的日期表示% X 本地相应的时间表示% Z 当前时区的名称% %  % 号本身

2.指定时间

向datetime.datetime()中传入对应的参数，默认按照单位从大到小指定

birthday = datetime.datetime(2001, 1, 11)  # 默认指定print(birthday)

也可以通过参数指定，其中year、monnth、day三个参数必须指定

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

3.运算

(1) datetime.datetime对象之间支持减法运算，得到的是一个datetime.timedelta对象

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

二、 Pandas处理时序序列

1.pd.Timestamp()

pd.Timestamp()是Pandas定义事时间的主要函数, 支持更丰富的定义时间的构造方法

（1） 根据datetime.datetime对象

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

(2) 根据字符串

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

(3) 更具指定的参数

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

(4) 根据时间戳

pd.Timestamp(1646565103.114923, unit="s")  # unit指定单位为秒

2.pd.Timedelta()

pd.Timedelta()用于创建时间差对象，也具有与pd.Timestamp()类似的构造方法。

(1) 根据字符串创建

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

(2) 指定参数创建

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

3.运算

与`datetime`模块运算类似，`pandas`的`Timestamp`对象之间相减可以得到`Timedelta`对象。

4.时间索引

数据表中长常使用时间作为索引，pandas支持创建长时间序列

(1) pd.to_datetime()

pd.to_datetime()支持将时间对象和类时间字符串转化为DatetimeIndex对象。

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()可以给定开始时间或者结束时间，并且指定周期数据，周期频率，会自动生成在此范围的时间索引数据：

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')

如果要跳过休息日可以使用pd.bdate_range()函数

感谢各位的阅读，以上就是"Python的Pandas时序数据实例分析"的内容了，经过本文的学习后，相信大家对Python的Pandas时序数据实例分析这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是，小编将为大家推送更多相关知识点的文章，欢迎关注！