Pandas统计分析（转换与处理时间序列数据）

最新推荐文章于 2024-10-19 15:46:56 发布

中文过六级再取名

最新推荐文章于 2024-10-19 15:46:56 发布

阅读量611

点赞数

分类专栏： Python数据分析文章标签： python 数据分析

本文链接：https://blog.youkuaiyun.com/w666667/article/details/105944742

版权

Python数据分析专栏收录该内容

7 篇文章

订阅专栏

本文介绍了使用Pandas库处理时间序列数据的方法，包括Timestamp、Period、DatetimeIndex、PeriodIndex和Timedelta等类的使用，以及如何进行时间相关操作，如筛选特定时间段的数据、查找最高温和最低温的时间点，以及计算平均温度。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

pandas时间相关的类

在这里插入图片描述

Timestamp类型

时间相关的字符串多数情况都会转换成Timestamp。

在这里插入图片描述
注意：Timestamp类型时间是有限制的。

Timestamp的属性

在这里插入图片描述

结合Python列表推导式，可以实现对DataFrame某一列时间信息数据的提取。
在这里插入图片描述

Period类型

表示时间跨度，某一年，某一月，某一小时等，是一个具体的时间段。
可以把Timestamp理解为时间段，是一个最小单位的时间段。
在这里插入图片描述
注：A-DEC表示年。

DatetimeIndex与PeriodIndex函数

在这里插入图片描述

参数

在这里插入图片描述

DatetimeIndex

在这里插入图片描述

PeriodIndex

在这里插入图片描述

Timedelta

是时间相关类的一种异类，区别于Period类。
表示一段时间，不特指某一段时间。
在这里插入图片描述
使用Timedelta，可以轻松地实现在某个时间上加减一段时间。
还可以直接对两个时间序列进行相减，从而得出一个Timedelta。

课堂案例：

#将数据中所有值相同的删除
for i in data.columns:
	if data[i].value_counts().empty:
		data.drop(labels=i,axis=1,inplace=True)
	elif len(data[i].value_counts())==1:
		data.drop(labels=i,axis=1,inplace=True)

# 删除后12行的记录，但不改变原有的DataFrame
data1 = data.drop(labels=data.index[-12:],axis=0,inplace=False)

与时间相关操作

#把每天温度大于28度的时间段打印出来
print(data.loc[data['Temp']>28,['Time','Temp']])
#把最高温的时间打印出来
print(data.loc[data['Temp'].sort_values().index[-1],['Time','Temp']])
#把最低温度的时间打印出来
print(data.loc[data['Temp']==data['Temp'].min(),['Time','Temp']])
#统计全月的平均温度值
print('全月均值为：\n',data['Temp'].mean())
#统计全天平均气温
timeindex = pd.DatetimeIndex(data['Time'])
for i in range(30):
	print('4月%d日的平均气温为：%.2f'%((i+1),data.loc[timeindex.day ==i+1,'Temp'].mean()))