Pandas时间序列处理

最新推荐文章于 2025-06-10 00:07:11 发布

代序春秋

最新推荐文章于 2025-06-10 00:07:11 发布

阅读量3.1k

点赞数 3

CC 4.0 BY-SA版权

分类专栏：数据分析

本文链接：https://blog.youkuaiyun.com/geek64581/article/details/107056475

本文介绍了Pandas中处理时间序列的关键操作，包括pd.to_datetime转换日期字符串，pd.date_range生成日期序列，Series.dt对象获取日期信息，strftime函数格式化日期，以及dt.timedelta计算时间差。重点掌握了pd.to_datetime、Series.dt对象和strftime函数的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

文章目录

本节我们介绍在处理日期时间时的一些常用的处理方法，以一份酒店入住数据为例进行讲解。pandas 用 Timestamp 表示时点数，在大多数情况下和 python 的 datetime 类型的使用方法是通用的。

首先读入数据:

data=pd.read_csv('data/hotel.csv')
data.head()

在这里插入图片描述

一、pd.to_datetime实现日期字符串转日期

api:pd.to_datetime(str) 字符串类型对象转换成日期类型对象

 In[]:data['入住日期'].dtype #查看'入住日期'列的类型  为object类型,即字符串对象
Out[]:dtype('O')

 In[]:data.loc[:,'入住日期']=pd.to_datetime(data['入住日期'])#将'入住日期'列抓换成日期型后赋给'入住日期'列
            data['入住日期'].dtype#再次输出'入住日期'列的类型  为日期型
Out[]:dtype('<M8[ns]')#日期类型

二、pd.date_range生成日期序列

api:pd.date_range(start=None, end=None, periods=None, freq=‘D’)
- start:起始日期,字符串
- end:终止日期,字符串
- periods:期数，取值为整数或None
- freq:频率或日期偏移量，取值为string或DateOffset，默认为’D’

该函数主要用于生成一个固定频率的时间索引，在调用构造方法时，必须指定start、end、periods中的两个参数值，否则报错。