pandas将int转换成datetime格式
qq_39817865 人气:0将int转换成datetime格式
原始时间格式
users['timestamp_first_active'].head()
原始结果:
0 20090319043255
1 20090523174809
2 20090609231247
3 20091031060129
4 20091208061105
Name: timestamp_first_active, dtype: object
错误的转换
pd.to_datetime(sers['timestamp_first_active'])
错误的结果类似这样:
0 1970-01-01 00:00:00.020201010
1 1970-01-01 00:00:00.020200920
Name: time, dtype: datetime64[ns]
正确的做法
先将int转换成str ,再转成时间:
users['timestamp_first_active']=users['timestamp_first_active'].astype('str') users['timestamp_first_active']=pd.to_datetime(users['timestamp_first_active'])
pandas 时间数据处理
转化时间类型
to_datetime()方法
to_datetime()方法支持将 int, float, str, datetime, list, tuple, 1-d array, Series, DataFrame/dict-like 类型的数据转化为时间类型
import pandas as pd # str ---> 转化为时间类型: ret = pd.to_datetime('2022-3-9') print(ret) print(type(ret)) """ 2022-03-09 00:00:00 <class 'pandas._libs.tslibs.timestamps.Timestamp'> ---pandas中默认支持的时间点的类型 """ # 字符串的序列 --->转化成时间类型: ret = pd.to_datetime(['2022-3-9', '2022-3-8', '2022-3-7', '2022-3-6']) print(ret) print(type(ret)) """ DatetimeIndex(['2022-03-09', '2022-03-08', '2022-03-07', '2022-03-06'], dtype='datetime64[ns]', freq=None) <class 'pandas.core.indexes.datetimes.DatetimeIndex'> ----pandas中默认支持的时间序列的类型 """ # dtype = 'datetime64[ns]' ----> numpy中的时间数据类型!
DatetimeIndex()方法
DatetimeIndex()方法支持将一维 类数组( array-like (1-dimensional) )转化为时间序列
# pd.DatetimeIndex 将 字符串序列 转化为 时间序列 ret = pd.DatetimeIndex(['2022-3-9', '2022-3-8', '2022-3-7', '2022-3-6']) print(ret) print(type(ret)) """ DatetimeIndex(['2022-03-09', '2022-03-08', '2022-03-07', '2022-03-06'], dtype='datetime64[ns]', freq=None) <class 'pandas.core.indexes.datetimes.DatetimeIndex'> """
生成时间序列
使用date_range()方法可以生成时间序列。
时间序列一般不会主动生成,往往是在发生某个事情的时候,同时记录一下发生的时间!
ret = pd.date_range( start='2021-10-1', # 开始点 # end='2022-1-1', # 结束点 periods=5, # 生成的元素的个数 和结束点只需要出现一个即可! freq='W', # 生成数据的步长或者频率, W表示Week(星期) ) print(ret) """ DatetimeIndex(['2021-10-03', '2021-10-10', '2021-10-17', '2021-10-24', '2021-10-31'], dtype='datetime64[ns]', freq='W-SUN') """
提取时间属性
使用如下数据作为初始数据(type:<class ‘pandas.core.frame.DataFrame’>):
# 转化为 pandas支持的时间序列之后再提取时间属性! data.loc[:, 'time_list'] = pd.to_datetime(data.loc[:, 'time_list']) # 可以通过列表推导式来获取时间属性 # 年月日 data['year'] = [tmp.year for tmp in data.loc[:, 'time_list']] data['month'] = [tmp.month for tmp in data.loc[:, 'time_list']] data['day'] = [tmp.day for tmp in data.loc[:, 'time_list']] # 时分秒 data['hour'] = [tmp.hour for tmp in data.loc[:, 'time_list']] data['minute'] = [tmp.minute for tmp in data.loc[:, 'time_list']] data['second'] = [tmp.second for tmp in data.loc[:, 'time_list']] # 日期 data['date'] = [tmp.date() for tmp in data.loc[:, 'time_list']] # 时间 data['time'] = [tmp.time() for tmp in data.loc[:, 'time_list']] print(data)
# 一年中的第多少周 data['week'] = [tmp.week for tmp in data.loc[:, 'time_list']] # 一周中的第多少天 data['weekday'] = [tmp.weekday() for tmp in data.loc[:, 'time_list']] # 季度 data['quarter'] = [tmp.quarter for tmp in data.loc[:, 'time_list']] # 一年中的第多少周 ---和week是一样的 data['weekofyear'] = [tmp.weekofyear for tmp in data.loc[:, 'time_list']] # 一周中的第多少天 ---和weekday是一样的 data['dayofweek'] = [tmp.dayofweek for tmp in data.loc[:, 'time_list']] # 一年中第 多少天 data['dayofyear'] = [tmp.dayofyear for tmp in data.loc[:, 'time_list']] # 周几 ---返回英文全拼 data['day_name'] = [tmp.day_name() for tmp in data.loc[:, 'time_list']] # 是否为 闰年 ---返回bool类型 data['is_leap_year'] = [tmp.is_leap_year for tmp in data.loc[:, 'time_list']] print('data:\n', data)
dt属性
Pandas还有dt属性可以提取时间属性。
data['year'] = data.loc[:, 'time_list'].dt.year data['month'] = data.loc[:, 'time_list'].dt.month data['day'] = data.loc[:, 'time_list'].dt.day print('data:\n', data)
计算时间间隔
# 计算时间间隔! ret = pd.to_datetime('2022-3-9 10:08:00') - pd.to_datetime('2022-3-8') print(ret) # 1 days 10:08:00 print(type(ret)) # <class 'pandas._libs.tslibs.timedeltas.Timedelta'> print(ret.days) # 1
计算时间推移
配合Timedelta()方法可计算时间推移
Timedelta 中支持的参数 weeks, days, hours, minutes, seconds, milliseconds, microseconds, nanoseconds
res = pd.to_datetime('2022-3-9 10:08:00') + pd.Timedelta(weeks=5) print(res) # 2022-04-13 10:08:00 print(type(res)) # <class 'pandas._libs.tslibs.timestamps.Timestamp'> print(pd.Timedelta(weeks=5)) # 35 days 00:00:00
获取当前机器的支持的最大时间和最小时间
# 获取当前机器的支持的最大时间和 最小时间 print('max :',pd.Timestamp.max) print('min :',pd.Timestamp.min) """ max : 2262-04-11 23:47:16.854775807 min : 1677-09-21 00:12:43.145225 """
以上为个人经验,希望能给大家一个参考,也希望大家多多支持。
加载全部内容