python从日期获取年月日星期
python技巧(数据分析及可视化) 人气:0这次介绍日期数据处理。
用python中的方法对日期数据进行处理, 我们可以获取很多有用的信息, 比如年月日,星期,周次,季度等, 这里分享工作和数据竞赛30余种常用的转换方法。
1 计算日期的年月日时分秒,星期,周次…
用pandas的read_excel()方法读取excel表数据,将表格中"日期"列转日期格式
import pandas as pd import numpy as np import datetime df = pd.read_excel('./日期问题.xlsx') # 将日期列转成日期格式 df['日期'] = pd.to_datetime(df['日期'])
dt模块可轻松获取日期基本属性
# 转年月日格式(字符串文本) df['年月日'] = df['日期'].apply(lambda x: x.strftime('%Y%m%d')) df['年']=df['日期'].dt.year df['季度']=df['日期'].dt.quarter df['月']=df['日期'].dt.month df['日']=df['日期'].dt.day df['星期几']=df['日期'].dt.dayofweek df['周次']=df['日期'].dt.week df['时']=df['日期'].dt.hour df['分']=df['日期'].dt.minute df['秒']=df['日期'].dt.second
2计算一年中的第几天, 第几个10分钟, 日期转数值
通过对天, 时,分的四则运算将日期转为序列数值数据
df['一年中的第几天']=df['日期'].dt.dayofyear df['一天中的第几分钟']=df['日期'].apply(lambda x: x.minute + x.hour*60) df['一天中的第几个10分钟'] = df['时'] * 6 + df['分'] // 10 df['数值'] = df["日期"].values.astype(np.int64) // 10 ** 9 # 转年月(数值) df['年月'] = df['日期'].dt.year * 100 + df['日期'].dt.month
3判断日期是否闰年,年初年末,月初月末…
apply() 和lambda()方法使用. python中2个强大的高阶函数.
df['是否闰年'] = df['日期'].apply(lambda x: x.is_leap_year) # 是否闰年 df['是否月初'] = df['日期'].apply(lambda x: x.is_month_start) # 是否月初 df['是否月末'] = df['日期'].apply(lambda x: x.is_month_end) # 月末 df['是否季节初'] = df['日期'].apply(lambda x: x.is_quarter_start) # 季度初 df['是否季节末'] = df['日期'].apply(lambda x: x.is_quarter_end) # 季度末 df['是否年初'] = df['日期'].apply(lambda x: x.is_year_start) # 年初 df['是否年尾'] = df['日期'].apply(lambda x: x.is_year_end) # 年内末 df['是否周末'] = df['日期'].apply(lambda x: True if x.dayofweek in [5, 6] else False) # 是否周末 df.loc[((df['时'] >= 8) & (df['时'] < 22)), '是否营业时间'] = True
4字符串时段,季节
构造字典, 用map方法进行替换.
period_dict ={ 23: '深夜', 0: '深夜', 1: '深夜', 2: '凌晨', 3: '凌晨', 4: '凌晨', 5: '早晨', 6: '早晨', 7: '早晨', 8: '上午', 9: '上午', 10: '上午', 11: '上午', 12: '中午', 13: '中午', 14: '下午', 15: '下午', 16: '下午', 17: '下午', 18: '傍晚', 19: '晚上', 20: '晚上', 21: '晚上', 22: '晚上', } df['时间段']=df['时'].map(period_dict) # 一年中的哪个季度 season_dict = { 1: '春季', 2: '春季', 3: '春季', 4: '夏季', 5: '夏季', 6: '夏季', 7: '秋季', 8: '秋季', 9: '秋季', 10: '冬季', 11: '冬季', 12: '冬季', } df['季节']=df['月'].map(season_dict)
5for循环快捷计算
python中的getattr()方法
time_features = ['year', 'month', 'quarter', 'week', 'day', 'dayofweek', 'dayofyear'] dtype = np.int16 for time_feature in time_features: df[time_feature] = getattr(df['日期'].dt, time_feature).astype(dtype)
6时间间隔天数计算
日期与一指定日期或者今天日期相比, 计算间隔天数
# 设置初始的时间 base_time = datetime.datetime.strptime('2021-06-01', '%Y-%m-%d') # 计算时间差 df['时间差'] = df['日期'].apply(lambda x: x-base_time).dt.days # 距离今天天数 df['间隔天数'] = list(map(lambda x: x.days, pd.to_datetime('today') - df['日期']))
补充:Python日期获取今天及昨天的年月日等信息
import time from datetime import datetime, date, timedelta # 当前日期 now_date = time.strftime("%Y-%m-%d %H:%M:%S", time.localtime()) print("now_date: {}".format(now_date)) # 当前时间的年月日 year = datetime.now().year month = datetime.now().month day = datetime.now().day print(f"year: {year}, month: {month}, day: {day}") # 昨天 month_yesterday = (date.today() + timedelta(days=-1)).month day_yesterday = (date.today() + timedelta(days=-1)).day print(f"month_yesterday: {month_yesterday}, day_yesterday: {day_yesterday}")
输出结果:
now_date: 2022-06-01 11:22:11
year: 2022, month: 6, day: 1
month_yesterday: 5, day_yesterday: 31
总结
加载全部内容