数据分析中常用的时间序列日期分割方法

提取出日期数据中的年月日周数据

在数据分析任务中经常会遇到时间数据（比如20190825或者2019-08-25）那么该如何对数据中的年月日进行分离呢？

如下例子：

提取出数据中该日期在该年的第几周

对于这个问题，我们可以采用pandas的第三方函数进行提取

例如提取出每个月含有多少天：

附录：pandas常用的日期处理函数

例如语句：

example['days_in_month']    = pd.to_datetime(example['date_time']).dt.days_in_month

在使用常用时间内的函数实现功能时只需要将dt后的api更换即可。

常用时间

类别	解释
year	年
month	月
day	日
hour	时
minute	分钟
second	秒
microsecond	微秒
nanosecond	纳秒
date	返回日期
time	返回时间
dayofyear	年序日
weekofyear	年序周
week	周
dayofweek	周中的第几天，Monday=0, Sunday=6
weekday	周中的第几天，Monday=0, Sunday=6
weekday_name	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

某一时间点，往前往后加一段时间

该部分api几乎没有使用过，而且使用频率比较低，如果以后需要用到，会再做更新。

类别	解释
BDay	工作日
CDay	自定义日期
Week	周
WeekOfMonth	月中的第几周
LastWeekOfMonth	月中的最后一周
MonthEnd	日历上月末
MonthBegin	日历上月初
BMonthEnd	工作月初
BMonthBegin	月开始营业
CBMonthEnd	自定义月末
CBMonthBegin	自定义月初
QuarterEnd	日历季末
QuarterBegin	日历季初
BQuarterEnd	工作季末
BQuarterBegin	工作季初
FY5253Quarter	retail (aka 52-53 week) quarter
YearEnd	日历年末
YearBegin	日历年初
BYearEnd	工作年末
BYearBegin	工作年初
FY5253	retail (aka 52-53 week) year
BusinessHour	工作小时
CustomBusinessHour	自定义小时
Hour	小时
Minute	分钟
Second	秒