python pandas时间操作函数

简介: python pandas时间操作函数

代码数据集:

通过上图数据集,使用如下三个时间操作函数进行演示。

  • to_datetime()
  • DateOffset()
  • Datetimeindex()


1 pd.to_datetime()


功能:将str和unicode转化为指定时间戳格式


time=pd.to_datetime('2021-06-10 12:00:00',format='%Y/%m/%d %H:%M:%S')
time:2021/06/10 12:00:00


2 pd.DateOffset()


功能:时间戳的加减

参数:


  • months:设置月
  • days:设置天
  • years:设置年
  • hours:设置小时
  • minutes:设置分钟
  • seconds:设置秒
time=time.to_datetime('2021-06-10')+pd.DateOffset(days=4)
time:2021-06-14 12:00:00


3 pd.Datetimeindex()


将时间list类型转化为时间序列相关的可操作序列


pd.DatetimeIndex(dates)
DatetimeIndex(['1969-09-15 11:38:30', '1965-01-15 11:38:30',
               '1975-07-15 11:38:30', '1964-03-15 11:38:30',
               '1977-03-15 11:38:30', '1972-11-15 11:38:30',
               '1959-06-15 11:38:30', '1970-04-15 11:38:30',
               '1953-01-15 11:38:30', '1979-09-15 11:38:30',
               ...
               '1968-07-15 11:38:30', '1971-03-15 11:38:30',
               '1962-01-15 11:38:30', '1958-07-15 11:38:30',
               '1970-12-15 11:38:30', '1959-11-15 11:38:30',
               '1952-01-15 11:38:30', '1970-02-15 11:38:30',
               '1961-11-15 11:38:30', '1965-12-15 11:38:30'],
              dtype='datetime64[ns]', length=10847, freq=None)
pd.DatetimeIndex(dates).year
Int64Index([1969, 1965, 1975, 1964, 1977, 1972, 1959, 1970, 1953, 1979,
            ...
            1968, 1971, 1962, 1958, 1970, 1959, 1952, 1970, 1961, 1965],
           dtype='int64', length=10847)
相关文章
|
18天前
|
数据采集 存储 数据挖掘
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第27天】在数据分析领域,Python的Pandas库因其强大的数据处理能力而备受青睐。本文介绍了Pandas在数据导入、清洗、转换、聚合、时间序列分析和数据合并等方面的高效技巧,帮助数据分析师快速处理复杂数据集,提高工作效率。
49 0
|
14天前
|
Python
|
14天前
|
Python
|
13天前
|
机器学习/深度学习 数据采集 数据挖掘
解锁 Python 数据分析新境界:Pandas 与 NumPy 高级技巧深度剖析
Pandas 和 NumPy 是 Python 中不可或缺的数据处理和分析工具。本文通过实际案例深入剖析了 Pandas 的数据清洗、NumPy 的数组运算、结合两者进行数据分析和特征工程,以及 Pandas 的时间序列处理功能。这些高级技巧能够帮助我们更高效、准确地处理和分析数据,为决策提供支持。
30 2
|
13天前
|
Python
Pandas 常用函数-数据合并
Pandas 常用函数-数据合并
30 1
|
14天前
|
索引 Python
Pandas 常用函数-数据排序
10月更文挑战第28天
8 1
|
14天前
|
数据采集 Python
Pandas 常用函数-数据清洗
Pandas 常用函数-数据清洗
17 2
|
14天前
|
Python
Pandas 常用函数-查看数据
Pandas 常用函数-查看数据
14 2
|
14天前
|
SQL JSON 数据库
Pandas 常用函数-读取数据
Pandas 常用函数-读取数据
12 2
|
19天前
|
存储 数据挖掘 数据处理
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第26天】Python 是数据分析领域的热门语言,Pandas 库以其高效的数据处理功能成为数据科学家的利器。本文介绍 Pandas 在数据读取、筛选、分组、转换和合并等方面的高效技巧,并通过示例代码展示其实际应用。
31 2