Pandas——时间序列的处理

1.将时间数值int（20181201）转成日期格式（2018-12-01）

直接上代码

def string_toDatetime(st):
    return datetime.datetime.strptime(st, "%Y%m%d")

def data_process(df):
    date = np.array(df[0])
    list_date = []
    for i in date:
        group = string_toDatetime(i)
        list_date.append(group)
    df['DATE'] = list_date
    # df = df.drop([0], axis=1)
    return df
    
def main():
    file_path1 = r"./20181210.txt"
    data1 = pd.read_csv(file_path1, header=None, encoding='utf-8', engine='python', sep=',') #读取txt文件，无表头
    num1 = data1[[0, 1, 4]]
    num1[0] = num1[0].apply(str)
    print(type(num1[0][0]))
    print(data_process(num1))

>>data1
               0             1      4      
0       20181201  3.101011e+11  未分配 
1       20181201  3.101011e+11  分配
2       20181201  3.101012e+11  未分配
>> data_process(num1)
               0             1      4       DATE
0       20181201  3.101011e+11  未分配 2018-12-01
1       20181201  3.101011e+11  分配 2018-12-01
2       20181201  3.101012e+11  未分配 2018-12-01

https://blog.youkuaiyun.com/ly_ysys629/article/details/73822716
https://blog.youkuaiyun.com/qq_22238533/article/details/77110626
https://blog.youkuaiyun.com/huobanjishijian/article/details/78721618

放个大招

2、pd.read_csv()、pd.read_excel()函数中parse_dates参数

对于时间序列的处理，可以在最开始读取文件的时候就进行处理

关于这个parse_dates参数,先看一下代码

Df = pd.read_excel(f, parse_dates=['时间'])     
#参数解释：
# f :读取的Excel文件路径
#  parse_dates=['时间']：其中‘时间’为Excel中的时间列的列名

parse_dates参数：

boolean. True -> 解析索引
list of ints or names. e.g. If [1, 2, 3] -> 解析1,2,3列的值作为独立的日期列；
list of lists. e.g. If [[1, 3]] -> 合并1,3列作为一个日期列使用
dict, e.g. {‘foo’ : [1, 3]} -> 将1,3列合并，并给合并后的列起名为"foo"

注意一点：这里用parse_dates后时间格式为，datetime64格式