52

2024-03-03 09:53| 来源: 网络整理| 查看: 265

52_Pandas处理日期和时间列（字符串转换、日期提取等）

将解释如何操作表示 pandas.DataFrame 的日期和时间（日期和时间）的列。字符串与 datetime64[ns] 类型的相互转换，将日期和时间提取为数字的方法等。

以下内容进行说明。

将字符串转换为 datetime64[ns] 类型（时间戳类型）：to_datetime() 时间戳类型属性/方法使用 dt 访问器批量处理整个列提取日期、星期几等。将日期时间转换为任何格式的字符串转换为 Python 数据帧类型，NumPy datetime64[ns] 类型数组对于 dt 中未提供的方法对于日期时间索引从文件读取时将字符串转换为 datetime64[ns] 类型

如何将 datetime64[ns] 类型指定为索引并将其处理为时序数据以及如何使用，请参考以下文章。

26_Pandas.DataFrame时间序列数据的处理27_Pandas按星期，月份，季度和年份的天计算时间序列数据的总计和平均值

以带有以下 csv 文件的 pandas.DataFrame 为例。

import pandas as pd import datetime df = pd.read_csv('./data/sample_datetime_multi.csv') print(df) # A B #0 2017-11-01 12:24 2017年11月1日 12时24分 #1 2017-11-18 23:00 2017年11月18日 23时00分 #2 2017-12-05 5:05 2017年12月5日 5时05分 #3 2017-12-22 8:54 2017年12月22日 8时54分 #4 2018-01-08 14:20 2018年1月8日 14时20分 #5 2018-01-19 20:01 2018年1月19日 20时01分将字符串转换为 datetime64[ns] 类型（时间戳类型）：to_datetime()

使用 pandas.to_datetime() 函数，您可以将表示日期和时间的字符串列 pandas.Series 转换为 datetime64[ns] 类型。

print(pd.to_datetime(df['A'])) # 0 2017-11-01 12:24:00 # 1 2017-11-18 23:00:00 # 2 2017-12-05 05:05:00 # 3 2017-12-22 08:54:00 # 4 2018-01-08 14:20:00 # 5 2018-01-19 20:01:00 # Name: A, dtype: datetime64[ns]

如果格式不标准，请在参数格式中指定格式字符串。

print(pd.to_datetime(df['B'], format='%Y年%m月%d日 %H时%M分')) # 0 2017-11-01 12:24:00 # 1 2017-11-18 23:00:00 # 2 2017-12-05 05:05:00 # 3 2017-12-22 08:54:00 # 4 2018-01-08 14:20:00 # 5 2018-01-19 20:01:00 # Name: B, dtype: datetime64[ns]

即使原始格式不同，如果指示的日期和时间相同，则 datetime64[ns] 类型值是等价的。

print(pd.to_datetime(df['A']) == pd.to_datetime(df['B'], format='%Y年%m月%d日 %H时%M分')) # 0 True # 1 True # 2 True # 3 True # 4 True # 5 True # dtype: bool

如果要将转换为 datetime64[ns] 类型的列作为新列添加到 pandas.DataFrame，请指定新列名并分配它。如果您指定原始列名，它将被覆盖。

df['X'] = pd.to_datetime(df['A']) print(df) # A B X #0 2017-11-01 12:24 2017年11月1日 12时24分 2017-11-01 12:24:00 #1 2017-11-18 23:00 2017年11月18日 23时00分 2017-11-18 23:00:00 #2 2017-12-05 5:05 2017年12月5日 5时05分 2017-12-05 05:05:00 #3 2017-12-22 8:54 2017年12月22日 8时54分 2017-12-22 08:54:00 #4 2018-01-08 14:20 2018年1月8日 14时20分 2018-01-08 14:20:00 #5 2018-01-19 20:01 2018年1月19日 20时01分 2018-01-19 20:01:00 时间戳类型属性/方法

pandas.to_datetime() 函数转换的列的dtype是datetime64[ns]类型，每个元素都是Timestamp类型。

print(df) # A B X # 0 2017-11-01 12:24 2017年11月1日 12时24分 2017-11-01 12:24:00 # 1 2017-11-18 23:00 2017年11月18日 23时00分 2017-11-18 23:00:00 # 2 2017-12-05 5:05 2017年12月5日 5时05分 2017-12-05 05:05:00 # 3 2017-12-22 8:54 2017年12月22日 8时54分 2017-12-22 08:54:00 # 4 2018-01-08 14:20 2018年1月8日 14时20分 2018-01-08 14:20:00 # 5 2018-01-19 20:01 2018年1月19日 20时01分 2018-01-19 20:01:00 print(df.dtypes) # A object # B object # X datetime64[ns] # dtype: object print(df['X'][0]) # 2017-11-01 12:24:00 print(type(df['X'][0])) #

Timestamp 类型继承并扩展了 Python 标准库 datetime 的 datetime 类型。

print(issubclass(pd.Timestamp, datetime.datetime)) # True

可以获取年、月、日（年、月、日）、时、分、秒（时、分、秒）、星期几（字符串：weekday_name，数字：dayofweek）等作为属性。

print(df['X'][0].year) # 2017 print(df['X'][0].weekday_name) # Wednesday

还可以使用 to_pydatetime() 转换为 Python 标准库 datetime 类型，使用 to_datetime64() 转换为 NumPy datetime64[ns] 类型。

py_dt = df['X'][0].to_pydatetime() print(type(py_dt)) # dt64 = df['X'][0].to_datetime64() print(type(dt64)) #

timestamp() 是一种以浮点浮点类型返回 UNIX 时间（纪元秒 = 自 1970 年 1 月 1 日 00:00:00 以来的秒数）的方法。如果需要整数，请使用 int()。

print(df['X'][0].timestamp()) # 1509539040.0 print(pd.to_datetime('1970-01-01 00:00:00').timestamp()) # 0.0 print(int(df['X'][0].timestamp())) # 1509539040

与 Python 标准库中的 datetime 类型一样，strftime() 可用于转换为任何格式的字符串。请参阅下文，了解如何将其应用于列的所有元素。

print(df['X'][0].strftime('%Y/%m/%d')) # 2017/11/01 使用 dt 访问器批量处理整个列

有一个 str 访问器将字符串处理应用于整个 pandas.Series。

13_Pandas字符串的替换和空格处删除等方法提取日期、星期几。

与Timestamp类型一样，年、月、日（年、月、日）、时、分、秒（时、分、秒）、星期几（字符串：weekday_name，数字：dayofweek）等都可以作为属性获得。在 dt 之后写下每个属性名称。 pandas.Series 的每个元素都被处理并返回 pandas.Series。

print(df['X'].dt.year) # 0 2017 # 1 2017 # 2 2017 # 3 2017 # 4 2018 # 5 2018 # Name: X, dtype: int64 print(df['X'].dt.hour) # 0 12 # 1 23 # 2 5 # 3 8 # 4 14 # 5 20 # Name: X, dtype: int64

也可以使用 dayofweek（星期一为 0，星期日为 6）仅提取一周中特定日期的行。

print(df['X'].dt.dayofweek) # 0 2 # 1 5 # 2 1 # 3 4 # 4 0 # 5 4 # Name: X, dtype: int64 print(df[df['X'].dt.dayofweek == 4]) # A B X # 3 2017-12-22 8:54 2017年12月22日 8时54分 2017-12-22 08:54:00 # 5 2018-01-19 20:01 2018年1月19日 20时01分 2018-01-19 20:01:00 将日期时间转换为任何格式的字符串

当使用 astype() 方法将 datetime64[ns] 类型的列转换为字符串 str 类型时，它会转换为标准格式的字符串。

print(df['X'].astype(str)) # 0 2017-11-01 12:24:00 # 1 2017-11-18 23:00:00 # 2 2017-12-05 05:05:00 # 3 2017-12-22 08:54:00 # 4 2018-01-08 14:20:00 # 5 2018-01-19 20:01:00 # Name: X, dtype: object

dt.strftime() 可用于一次将列转换为任何格式的字符串。也可以使其成为仅具有日期或仅具有时间的字符串。

print(df['X'].dt.strftime('%A, %B %d, %Y')) # 0 Wednesday, November 01, 2017 # 1 Saturday, November 18, 2017 # 2 Tuesday, December 05, 2017 # 3 Friday, December 22, 2017 # 4 Monday, January 08, 2018 # 5 Friday, January 19, 2018 # Name: X, dtype: object print(df['X'].dt.strftime('%Y年%m月%d日')) # 0 2017年11月01日 # 1 2017年11月18日 # 2 2017年12月05日 # 3 2017年12月22日 # 4 2018年01月08日 # 5 2018年01月19日 # Name: X, dtype: object

如果要将转换为字符串的列作为新列添加到 pandas.DataFrame，请指定新列名并分配它。如果您指定原始列名，它将被覆盖。

df['en'] = df['X'].dt.strftime('%A, %B %d, %Y') df['cn'] = df['X'].dt.strftime('%Y年%m月%d日') print(df) # A B X \ # 0 2017-11-01 12:24 2017年11月1日 12时24分 2017-11-01 12:24:00 # 1 2017-11-18 23:00 2017年11月18日 23时00分 2017-11-18 23:00:00 # 2 2017-12-05 5:05 2017年12月5日 5时05分 2017-12-05 05:05:00 # 3 2017-12-22 8:54 2017年12月22日 8时54分 2017-12-22 08:54:00 # 4 2018-01-08 14:20 2018年1月8日 14时20分 2018-01-08 14:20:00 # 5 2018-01-19 20:01 2018年1月19日 20时01分 2018-01-19 20:01:00 # en cn # 0 Wednesday, November 01, 2017 2017年11月01日 # 1 Saturday, November 18, 2017 2017年11月18日 # 2 Tuesday, December 05, 2017 2017年12月05日 # 3 Friday, December 22, 2017 2017年12月22日 # 4 Monday, January 08, 2018 2018年01月08日 # 5 Friday, January 19, 2018 2018年01月19日转换为 Python 数据帧类型，NumPy datetime64[ns] 类型数组

可以使用 dt.to_pydatetime() 获得一个 NumPy 数组 ndarray，其元素是 Python 标准库的日期时间类型对象。

print(df['X'].dt.to_pydatetime()) # [datetime.datetime(2017, 11, 1, 12, 24) # datetime.datetime(2017, 11, 18, 23, 0) # datetime.datetime(2017, 12, 5, 5, 5) # datetime.datetime(2017, 12, 22, 8, 54) # datetime.datetime(2018, 1, 8, 14, 20) # datetime.datetime(2018, 1, 19, 20, 1)] print(type(df['X'].dt.to_pydatetime())) print(type(df['X'].dt.to_pydatetime()[0])) # #

NumPy的datetime64[ns]类型数组可以用values属性代替方法获取。

print(df['X'].values) # ['2017-11-01T12:24:00.000000000' '2017-11-18T23:00:00.000000000' # '2017-12-05T05:05:00.000000000' '2017-12-22T08:54:00.000000000' # '2018-01-08T14:20:00.000000000' '2018-01-19T20:01:00.000000000'] print(type(df['X'].values)) print(type(df['X'].values[0])) # # 对于 dt 中未提供的方法

例如，Timestamp 类型有一个返回 UNIX 时间（秒）的方法 (timestamp())，但 dt 访问器没有。在这种情况下，使用 map() 即可。

06_Pandas中map(),applymap(),apply()函数的使用方法 print(df['X'].map(pd.Timestamp.timestamp)) # 0 1.509539e+09 # 1 1.511046e+09 # 2 1.512450e+09 # 3 1.513933e+09 # 4 1.515421e+09 # 5 1.516392e+09 # Name: X, dtype: float64

如果要转换为整数 int 类型，请使用 astype() 方法。

print(df['X'].map(pd.Timestamp.timestamp).astype(int)) # 0 1509539040 # 1 1511046000 # 2 1512450300 # 3 1513932840 # 4 1515421200 # 5 1516392060 # Name: X, dtype: int64 对于日期时间索引

在处理时间序列数据时非常有用。有关详细信息，请参阅下面的文章。

26_Pandas.DataFrame时间序列数据的处理27_Pandas按星期，月份，季度和年份的天计算时间序列数据的总计和平均值

在示例中，set_index() 用于将现有列指定为索引，为方便起见，使用 drop() 方法删除多余的列。

12_Pandas.DataFrame删除指定行和列（drop） 22_Pandas.DataFrame,重置列的行名(set_index） df_i = df.set_index('X').drop(['en', 'cn'], axis=1) print(df_i) # A B # X # 2017-11-01 12:24:00 2017-11-01 12:24 2017年11月1日 12时24分 # 2017-11-18 23:00:00 2017-11-18 23:00 2017年11月18日 23时00分 # 2017-12-05 05:05:00 2017-12-05 5:05 2017年12月5日 5时05分 # 2017-12-22 08:54:00 2017-12-22 8:54 2017年12月22日 8时54分 # 2018-01-08 14:20:00 2018-01-08 14:20 2018年1月8日 14时20分 # 2018-01-19 20:01:00 2018-01-19 20:01 2018年1月19日 20时01分 print(df_i.index) # DatetimeIndex(['2017-11-01 12:24:00', '2017-11-18 23:00:00', # '2017-12-05 05:05:00', '2017-12-22 08:54:00', # '2018-01-08 14:20:00', '2018-01-19 20:01:00'], # dtype='datetime64[ns]', name='X', freq=None)

DatetimeIndex 类型索引具有年、月、日（年、月、日）、时、分、秒（时、分、秒）、星期几（字符串：weekday_name，数字：dayofweek）等属性，以及方法如由于提供了 strftime()，因此可以一次处理所有索引元素，而无需通过 dt 属性。

返回类型因属性和方法而异，不是pandas.Series，但如果要在pandas.DataFrame中添加新列，可以指定新列名并分配。

print(df_i.index.minute) # Int64Index([24, 0, 5, 54, 20, 1], dtype='int64', name='X') print(df_i.index.strftime('%y/%m/%d')) # ['17/11/01' '17/11/18' '17/12/05' '17/12/22' '18/01/08' '18/01/19'] df_i['min'] = df_i.index.minute df_i['str'] = df_i.index.strftime('%y/%m/%d') print(df_i) # A B min str # X # 2017-11-01 12:24:00 2017-11-01 12:24 2017年11月1日 12时24分 24 17/11/01 # 2017-11-18 23:00:00 2017-11-18 23:00 2017年11月18日 23时00分 0 17/11/18 # 2017-12-05 05:05:00 2017-12-05 5:05 2017年12月5日 5时05分 5 17/12/05 # 2017-12-22 08:54:00 2017-12-22 8:54 2017年12月22日 8时54分 54 17/12/22 # 2018-01-08 14:20:00 2018-01-08 14:20 2018年1月8日 14时20分 20 18/01/08 # 2018-01-19 20:01:00 2018-01-19 20:01 2018年1月19日 20时01分 1 18/01/19 从文件读取时将字符串转换为 datetime64[ns] 类型

从文件中读取数据时，可以在读取时将字符串转换为 datetime64[ns] 类型。对于 pandas.read_csv() 函数，在参数 parse_dates 中指定要转换为 datetime64[ns] 类型的列号列表。请注意，即使只有一个，也必须列出。

df_csv = pd.read_csv('data/sample_datetime_multi.csv', parse_dates=[0]) print(df_csv) # A B # 0 2017-11-01 12:24:00 2017年11月1日 12时24分 # 1 2017-11-18 23:00:00 2017年11月18日 23时00分 # 2 2017-12-05 05:05:00 2017年12月5日 5时05分 # 3 2017-12-22 08:54:00 2017年12月22日 8时54分 # 4 2018-01-08 14:20:00 2018年1月8日 14时20分 # 5 2018-01-19 20:01:00 2018年1月19日 20时01分 print(df_csv.dtypes) # A datetime64[ns] # B object # dtype: object df_csv_jp = pd.read_csv('./data/sample_datetime_multi.csv', parse_dates=[1], date_parser=lambda date: pd.to_datetime(date, format='%Y年%m月%d日 %H时%M分')) print(df_csv_jp) # A B # 0 2017-11-01 12:24 2017-11-01 12:24:00 # 1 2017-11-18 23:00 2017-11-18 23:00:00 # 2 2017-12-05 5:05 2017-12-05 05:05:00 # 3 2017-12-22 8:54 2017-12-22 08:54:00 # 4 2018-01-08 14:20 2018-01-08 14:20:00 # 5 2018-01-19 20:01 2018-01-19 20:01:00 print(df_csv_jp.dtypes) # A object # B datetime64[ns] # dtype: object

可以使用参数 index_col 指定要索引的列。

03_Pandas读取csv/tsv文件（read_csv，read_table）

在这种情况下，如果参数 parse_dates=True，索引列将被转换为 datetime64[ns] 类型。

df_csv_jp_i = pd.read_csv('./data/sample_datetime_multi.csv', index_col=1, parse_dates=True, date_parser=lambda date: pd.to_datetime(date, format='%Y年%m月%d日 %H时%M分')) print(df_csv_jp_i) # A # B # 2017-11-01 12:24:00 2017-11-01 12:24 # 2017-11-18 23:00:00 2017-11-18 23:00 # 2017-12-05 05:05:00 2017-12-05 5:05 # 2017-12-22 08:54:00 2017-12-22 8:54 # 2018-01-08 14:20:00 2018-01-08 14:20 # 2018-01-19 20:01:00 2018-01-19 20:01 print(df_csv_jp_i.index) # DatetimeIndex(['2017-11-01 12:24:00', '2017-11-18 23:00:00', # '2017-12-05 05:05:00', '2017-12-22 08:54:00', # '2018-01-08 14:20:00', '2018-01-19 20:01:00'], # dtype='datetime64[ns]', name='B', freq=None)

读取 Excel 文件的 pandas.read_excel() 函数也有参数 parse_dates、date_parser 和 index_col，因此在读取时也可以进行类似的转换。有关 pandas.read_excel() 函数的信息，请参阅以下文章。

50_Pandas读取 Excel 文件 (xlsx, xls)

【本文地址】

公司简介

联系我们