Pandas时间索引的骚操作

当DataFrame的索引为时间对象时，可以很方便的进行数据的筛选。

时间范围生成

#生成时间范围
pd.date_range('2010-01-01','2010-01-08')
>>>DatetimeIndex(['2010-01-01', '2010-01-02', '2010-01-03', '2010-01-04','2010-01-05', '2010-01-06', '2010-01-07', '2010-01-08'],dtype='datetime64[ns]', freq='D')#指定时间长度生成时间范围
pd.date_range('2010-01-01',periods=10)
>>>DatetimeIndex(['2010-01-01', '2010-01-02', '2010-01-03', '2010-01-04','2010-01-05', '2010-01-06', '2010-01-07', '2010-01-08','2010-01-09', '2010-01-10'],dtype='datetime64[ns]', freq='D')#指定时间长度(10)、间隔(隔一个月)生成时间范围
pd.date_range('2010-01-01',periods=10,freq='M')
>>>DatetimeIndex(['2010-01-31', '2010-02-28', '2010-03-31', '2010-04-30','2010-05-31', '2010-06-30', '2010-07-31', '2010-08-31','2010-09-30', '2010-10-31'],dtype='datetime64[ns]', freq='M')#指定时间长度(10)、间隔(隔1个小时20分钟)生成时间范围
pd.date_range('2010-01-01',periods=10,freq='1h20min')
>>>DatetimeIndex(['2010-01-01 00:00:00', '2010-01-01 01:20:00','2010-01-01 02:40:00', '2010-01-01 04:00:00','2010-01-01 05:20:00', '2010-01-01 06:40:00','2010-01-01 08:00:00', '2010-01-01 09:20:00','2010-01-01 10:40:00', '2010-01-01 12:00:00'],dtype='datetime64[ns]', freq='80T')#按工作日生成时间范围
pd.date_range('2010-01-01',periods=10,freq='B')
>>>DatetimeIndex(['2010-01-01', '2010-01-04', '2010-01-05', '2010-01-06','2010-01-07', '2010-01-08', '2010-01-11', '2010-01-12','2010-01-13', '2010-01-14'],dtype='datetime64[ns]', freq='B')

时间筛选

#创建一个索引为日期1000天，值从0到999的Series
a=pd.Series(np.arange(1000),index=pd.date_range('2010-01-05',periods=1000))
>>> 2010-01-05     02010-01-06     12010-01-07     2...2012-09-29    9982012-09-30    999#筛选1月份的数据
a['2010-01']
>>> 2010-01-05     02010-01-06     12010-01-07     2...2010-01-30    252010-01-31    26#时间切片筛选2010到2011-02-03的数据
a['2010':'2011-02-02']
>>> 2010-01-05      02010-01-06      1...2011-02-01    3922011-02-02    393

筛选数据运算

a=pd.Series(np.arange(1000),index=pd.date_range('2010-01-05',periods=1000))
>>> 2010-01-05     02010-01-06     12010-01-07     2...2012-09-29    9982012-09-30    999#按每周求和，每7天进行相加求和输出
a.resample('W').sum()
>>> 2010-01-10      152010-01-17      632010-01-24     1122010-01-31     161...2012-09-09    68252012-09-16    68742012-09-23    69232012-09-30    6972#按每月求平均值
a.resample('M').mean()
>>> 2010-01-31     13.02010-02-28     40.52010-03-31     70.0...2012-07-31    923.02012-08-31    954.02012-09-30    984.5

读取excel时将字符串列转化为时间类型的列

pd.read_csv('demo.csv',parse_dates = ['col1'],infer_datetime_format=True)

Pandas时间索引的骚操作相关推荐

Pandas知识点-索引和切片操作
Pandas知识点-索引和切片操作索引和切片操作是最基本最常用的数据处理操作,Pandas中的索引和切片操作基于Python的语言特性,支持类似于numpy中的操作,也可以使用行标签.列标签以及行标 ...
【Python基础】pandas的骚操作：一行 pandas 代码搞定 Excel “条件格式”！
来源:Python数据科学作者:东哥起飞本篇是pandas100个骚操作系列的第 7 篇:一行 pandas 代码搞定 Excel "条件格式"! 系列内容,请看????「pa ...
20 个短小精悍的 pandas 骚操作
本次为大家整理了一个pandas骚操作操作的大集合,共20个功能,个个短小精悍,一次让你爱个够. 1. ExcelWriter 很多时候dataframe里面有中文,如果直接输出到csv里,中文将显示 ...
pandas 筛选数据的 8 个骚操作
作者 | 东哥起飞来源 | Python数据科学日常用Python做数据分析最常用到的就是查询筛选了,按各种条件.各种维度以及组合挑出我们想要的数据,以方便我们分析挖掘. 总结了日常查询和筛选常用 ...
99%的人都不知道的pandas骚操作（一）
作者:xiaoyu 微信公众号:Python数据科学知乎:python数据分析师 pandas有一种功能非常强大的方法,它就是accessor,可以将它理解为一种属性接口,通过它可以获得额外的方法. ...
数据分析工具Pandas（2）：Pandas的索引操作
数据分析工具Pandas(1):Pandas的数据结构数据分析工具Pandas(2):Pandas的索引操作 Pandas的索引操作索引对象Index 1. Series和DataFrame中的索 ...
pandas使用datetime创建示例dataframe：包含完整的时分秒信息、创建时间索引、使用不同的时间频率、date_range中参数freq的偏移量别名
pandas使用datetime创建示例dataframe:包含完整的时分秒信息.创建时间索引.使用不同的时间频率.date_range中参数freq的偏移量别名目录
Java8 日期、时间骚操作
Java8 日期.时间骚操作 LocalDate和LocalTime LocalDate LocalTime LocalDateTime 日期解析与格式化时间调整 TemporalAdjuster ...
Python 中让你相见恨晚的 20 个骚操作
今天和大家分享 20 个 Python 编程中新手必会的"骚操作",使用的频率超高!记得点赞,收藏哦!话不多说,进入正题! 1.列表推导式使用列表推导式创建一个列表. >& ...

Pandas时间索引的骚操作

时间范围生成

时间筛选

筛选数据运算

读取excel时将字符串列转化为时间类型的列

Pandas时间索引的骚操作相关推荐

最新文章

热门文章