Pandas时间序列处理

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()

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。

In [12]: pd.date_range(start='20170101',end='20170110')
Out[12]:
DatetimeIndex(['2017-01-01', '2017-01-02', '2017-01-03', '2017-01-04',
               '2017-01-05', '2017-01-06', '2017-01-07', '2017-01-08',
               '2017-01-09', '2017-01-10'],
              dtype='datetime64[ns]', freq='D')

In [13]: pd.date_range(start='20170101',periods=10)
Out[13]:
DatetimeIndex(['2017-01-01', '2017-01-02', '2017-01-03', '2017-01-04',
               '2017-01-05', '2017-01-06', '2017-01-07', '2017-01-08',
               '2017-01-09', '2017-01-10'],
              dtype='datetime64[ns]', freq='D')

常用频率和日期偏移量:

三、Series.dt对象

• pandas 的 pandas.Series.dt 可以获得日期/时间类型的相关信息,返回值均为int型。比如:

data['入住日期'].dt.year  #获取年份
data['入住日期'].dt.month  #获取月份
data['入住日期'].dt.quarter  #获取季度

• 为数据表添加新列’入住月份’:

#提取data['入住日期']的月份信息并存到新的一列中
data.loc[:,'入住月份']=data['入住日期'].dt.month
data.head()

• 为数据表添加新列’in_weekday’:

#提取data['入住日期']的weekday信息并存到新的一列中
data.loc[:,'in_weekday']=data['入住日期'].dt.weekday
data.head()

• pandas.Series.dt对象能够返回的信息有:

类别	解释
year	年
month	月
day	日
hour	时
minute	分钟
second	秒
date	返回日期
time	返回时间
dayofyear	年序日
weekofyear	年序周
week	周
dayofweek	周中的星期几，ex: Friday
quarter	季度
days_in_month	一个月中有多少天
is_month_start	是否月初第一天
is_month_end	是否月末最后一天
is_quarter_start	是否季度的最开始
is_quarter_end	是否季度的最后一个
is_year_start	是否年初第一天
is_year_end	是否年末第一天

四、strftime函数格式化日期

• strftime函数实际上是datetime模块中的函数,并不是pandas中的成员,在实际工作中我们常用这种方式对日期进行格式化
  • api:datetime.strftime(date,format_str)
    • date:需要格式化的日期
    • format_str:格式化字符串
  • 例如:我们需要提取’入住日期’的年份和月份组成一个新的列:

#首先需要引入datetime模块
from datetime import datetime
#配合apply函数
data.loc[:,'入住年月']=data['入住日期'].apply(lambda x:datetime.strftime(x,"%Y-%m"))
data.head()

常用格式字符串介绍:

• Series.dt.to_period 另一种方法

data.loc[:,'入住年月2']= data['入住日期'].dt.to_period('M')
data.head()

第二种方法使用起来更加简单，参数 M 表示月份，Q 表示季度，A 表示年度，D 表示按天，这几个参数比较常用。

五、 时间差(dt.timedelta)

时间差(dt.timedelta)是时间上的差异，以不同的单位来表示。例如：日，小时，分钟，秒。它们可以是正值，可正可负;大多数情况下可与datetime.timedelta互换,一般用来表示两个日期之间的差距。

例如:我们想获取客人的入住天数:

data.loc[:,'离店日期']=pd.to_datetime(data['离店日期']) #将'离店日期'列转换成日期格式
data['离店日期']-data['入住日期']#离店日期-入住日期

结果是一个timedelta类型的Series,并不是我们希望得到的天数,我们还需要访问timedelta对象的属性来提取天数

time=data['离店日期']-data['入住日期']
data.loc[:,'入住天数']=time.dt.days#通过访问timedelta.dt对象的days属性拿到天数
data.head()

timedelta对象有属性：days、seconds、microseconds

六、总结

• pd.to_datetime(str) 【掌握】
• pd.date_range(start=None, end=None, periods=None, freq=‘D’)【知道】
  • 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’
  • 必须指定start、end、periods中的两个参数值，否则报错
• Series.dt对象【掌握】
  • data[‘入住日期’].dt.year #获取年份
  • data[‘入住日期’].dt.month #获取月份
  • data[‘入住日期’].dt.quarter #获取季度
• datetime.strftime(date,format_str)【掌握】
  • date:需要格式化的日期
  • format_str:格式化字符串
• (data[‘离店日期’]-data[‘入住日期’]).dt.days【知道】