datetime(2018, 3, 2) # datetime的类型
# pd将时间数据转换成pandas时间类型
# 1、填入时间的字符串,格式有几种, "2018-01-01" ,”01/02/2018“
pd.to_datetime("01/02/2017")
# 2、传入datetime的时间格式
pd.to_datetime(datetime(2018, 3, 2))
如果我们传入的是多个时间点,那么会是什么样的?
# 传入时间的列表
pd.to_datetime(["2017-01-01", "2017-02-01", "2017-03-01"])
# 或者
date = [datetime(2018, 3, 1), datetime(2018, 3, 2), datetime(2018, 3, 3), datetime(2018, 3, 4), datetime(2018, 3, 5)]
date = pd.to_datetime(date)
# 如果其中有空值
date = [datetime(2018, 3, 1), datetime(2018, 3, 2), np.nan, datetime(2018, 3, 4), datetime(2018, 3, 5)]
date = pd.to_datetime(date)
# 结果会变成NaT类型
DatetimeIndex(['2018-03-01', '2018-03-02', 'NaT', '2018-03-04', '2018-03-05'], dtype='datetime64[ns]', freq=None)
# DateTimeIndex
pd.to_datetime(date)
DatetimeIndex(['2018-03-01', '2018-03-02', '2018-03-03', '2018-03-04',
'2018-03-05'],
dtype='datetime64[ns]', freq=None)
pd.to_datetime(date).values
array(['2018-03-01T00:00:00.000000000', '2018-03-02T00:00:00.000000000',
'2018-03-03T00:00:00.000000000', '2018-03-04T00:00:00.000000000',
'2018-03-05T00:00:00.000000000'], dtype='datetime64[ns]')
其中可以看到一种datetime64的类型,这个是numpy的一种时间类型。
我们也可以通过DatetimeIndex来转换
pd.DatetimeIndex(date)
# 最基础的pandas的时间序列结构,以时间为索引的,Series序列结构
# 以时间为索引的DataFrame结构
series_date = pd.Series(3.0, index=date)
# 以下两种方法的结果会有区别
pd.to_datetime(series_date)
pd.DatetimeIndex(series_date)
pandas时间序列series的index必须是DatetimeIndex
time.year
time.month
time.weekday
# 计算总分钟
# pandas支持不同时间单位的运算,包括时间一些偏移
Hour(5) + Minute(30)
# 针对时间序列进行统一的运算
# shift相当于左右偏移的函数,时间向前,向后偏移
# 30天为一个单位,偏移3次
date.shift(3, freq="30D")
# 生成指定的时间序列 # 1、生成2017-01-02~2017-12-30,生成频率为1天, 不跳过周六周日 pd.date_range("2017-01-02", "2017-12-30", freq="D") # 2、生成2017-01-02~2017-12-30,生成频率为1天, 跳过周六周日, 能够用在金融的数据,日线的数据 pd.date_range("2017-01-02", "2017-12-30", freq="B") # 3、只知道开始时间日期,我也知道总共天数多少,生成序列, 从"2016-01-01", 共504天,跳过周末 pd.date_range("2016-01-01", periods=504, freq="B") # 4、生成按照小时排列的时间序列数据 pd.date_range("2017-01-02", "2017-12-30", freq='H') # 5、按照3H去进行生成 pd.date_range("2017-01-02", "2017-12-30", freq='3H') # 6、按照1H30分钟去进行生成时间序列 pd.date_range("2017-01-02", "2017-12-30", freq='1H30min') # 7、按照每月最后一天 pd.date_range("2017-01-02", "2017-12-30", freq='BM') # 8、按照每个月的第几个星期几 pd.date_range("2017-01-02", "2017-12-30", freq='WOM-3FRI')
页面更新:2024-05-28
本站资料均由网友自行发布提供,仅用于学习交流。如有版权问题,请与我联系,QQ:4156828
© CopyRight 2020-2024 All Rights Reserved. Powered By 71396.com 闽ICP备11008920号-4
闽公网安备35020302034903号