编程实践(Pandas)Task10
一、时序中的基本对象
几个概念:
- 时间戳(Date times)的概念:在 pandas 中称为
Timestamp
。同时,一系列的时间戳可以组成DatetimeIndex
,而将它放到Series
中后,Series
的类型就变为了datetime64[ns]
,如果有涉及时区则为datetime64[ns, tz]
,其中tz是timezone的简写。 - 时间差(Time deltas)的概念:两个
Timestamp
做差就得到了时间差,pandas
中利用Timedelta
来表示。类似的,一系列的时间差就组成了TimedeltaIndex
, 而将它放到Series
中后,Series
的类型就变为了timedelta64[ns]
。 - 时间段(Time spans)的概念:在
pandas
利用Period
来表示。类似的,一系列的时间段就组成了PeriodIndex
, 而将它放到Series
中后,Series
的类型就变为了Period
。 - 日期偏置(Date offsets)的概念:pandas 中没有为一列时间偏置专门设计存储类型,一般来说我们只需要对一批时间特征做一个统一的特殊日期偏置。
概念 | 单元素类型 | 数组类型 | pandas数据类型 |
---|---|---|---|
Date times | Timestamp | DatetimeIndex | datetime64[ns] |
Time deltas | Timedelta | TimedeltaIndex | timedelta64[ns] |
Time spans | Period | PeriodIndex | period[freq] |
Date offsets | DateOffset | None | None |
二、时间戳
2.1 Timestamp的构造与属性
单个时间戳的生成利用 pd.Timestamp
实现,一般而言的常见日期格式都能被成功地转换:
pd.Timestamp('2020/1/1')
>>> Timestamp('2020-01-01 00:00:00')
ts = pd.Timestamp('2020-1-1 08:10:30')
ts
>>> Timestamp('2020-01-01 08:10:30')
通过 year
, month
, day
, hour
, minute
, second
可以获取具体的数值:
ts.year
>>> 2020
ts.month
>>> 1
ts.day
>>> 1
ts.hour
>>> 8
ts.minute
>>> 10
ts.second
>>> 30
在 pandas
中,时间戳的最小精度为纳秒 ns
,由于使用了64位存储,可以表示的时间范围大约可以如下计算:
TimeRange=264109×60×60×24×365≈585(Years)\rm Time\,Range = \frac{2^{64}}{10^9\times 60\times 60\times 24\times 365} \approx 585 (Years)TimeRange=109×60×60×24×365264≈585(Years)
通过 pd.Timestamp.max
和 pd.Timestamp.min
可以获取时间戳表示的范围,可以看到确实表示的区间年数大小正如上述计算结果:
pd.Timestamp.max
>>> Timestamp('2262-04-11 23:47:16.854775807')
pd.Timestamp.min
>>> Timestamp('1677-09-21 00:12:43.145225')pd.Timestamp.max.year - pd.Timestamp.min.year
>>> 585
2.2 Datetime序列的生成
一组时间戳可以组成时间序列,可以用 to_datetime
和 date_range
来生成。其中, to_datetime
能够把一列时间戳格式的对象转换成为 datetime64[ns]
类型的时间序列:
pd.to_datetime(['2020-1-1', '2020-1-3', '2020-1-6'])
>>> DatetimeIndex(['2020-01-01', '2020-01-03', '2020-01-06'], dtype='datetime64[ns]', freq=None)
df = pd.read_csv('data/learn_pandas.csv')
s = pd.to_datetime(df.Test_Date)
s.head()
0 2019-10-05
1 2019-09-04
2 2019-09-12
3 2020-01-03
4 2019-11-06
Name: Test_Date, dtype: datetime64[ns]
在极少数情况,时间戳的格式不满足转换时,可以强制使用 format
进行匹配:
temp = pd.to_datetime(['2020\\1\\1','2020\\1\\3'],format='%Y\\%m\\%d')
temp
>>> DatetimeIndex(['2020-01-01', '2020-01-03'], dtype='datetime64[ns]', freq=None)
注意上面由于传入的是列表,而非 pandas
内部的 Series
,因此返回的是 DatetimeIndex
,如果想要转为 datetime64[ns]
的序列,需要显式用 Series 转化:
pd.Series(temp).head()0 2020-01-01
1 2020-01-03
dtype: datetime64[ns]
还存在一种把表的多列时间属性拼接转为时间序列的 to_datetime
操作,此时的列名必须和以下给定的时间关键词列名一致:
df_date_cols = pd.DataFrame({'year': [2020, 2020],'month': [1, 1],'day': [1, 2],'hour': [10, 20],'minute': [30, 50],'second': [20, 40]})
pd.to_datetime(df_date_cols)0 2020-01-01 10:30:20
1 2020-01-02 20:50:40
dtype: datetime64[ns]
date_range
是一种生成连续间隔时间的一种方法,其重要的参数为 start
, end
, freq
, periods
,它们分别表示开始时间,结束时间,时间间隔,时间戳个数。其中,四个中的三个参数决定了,那么剩下的一个就随之确定了。这里要注意,开始或结束日期如果作为端点则它会被包含:
pd.date_range('2020-1-1','2020-1-21', freq='10D') # 包含
>>> DatetimeIndex(['2020-01-01', '2020-01-11', '2020-01-21'], dtype='datetime64[ns]', freq='10D')pd.date_range('2020-1-1','2020-2-28', freq='10D') #不包含结束时间DatetimeIndex(['2020-01-01', '2020-01-11', '2020-01-21', '2020-01-31','2020-02-10', '2020-02-20'],dtype='datetime64[ns]', freq='10D')
pd.date_range('2020-1-1', '2020-2-28', periods=6) # 由于结束日期无法取到,freq不为10天
DatetimeIndex(['2020-01-01 00:00:00', '2020-01-12 14:24:00','2020-01-24 04:48:00', '2020-02-04 19:12:00','2020-02-16 09:36:00', '2020-02-28 00:00:00'],dtype='datetime64[ns]', freq=None)
练一练
Timestamp
上定义了一个value
属性,其返回的整数值代表了从1970年1月1日零点到给定时间戳相差的纳秒数,请利用这个属性构造一个随机生成给定日期区间内日期序列的函数。
def rand_date
最后,要介绍一种改变序列采样频率的方法 asfreq
,它能够根据给定的 freq
对序列进行类似于 reindex
的操作:
s = pd.Series(np.random.rand(5),index=pd.to_datetime(['2020-1-%d'%i for i in range(1,10,2)]))
s2020-01-01 0.629827
2020-01-03 0.191077
2020-01-05 0.149454
2020-01-07 0.302080
2020-01-09 0.819131
dtype: float64
s.asfreq('12H').head()2020-01-01 00:00:00 0.629827
2020-01-01 12:00:00 NaN
2020-01-02 00:00:00 NaN
2020-01-02 12:00:00 NaN
2020-01-03 00:00:00 0.191077
Freq: 12H, dtype: float64
前面提到了
datetime64[ns]
本质上可以理解为一个大整数,对于一个该类型的序列,可以使用max
,min
,mean
,来取得最大时间戳、最小时间戳和“平均”时间戳。
s1 = pd.date_range('2020-1-1', '2020-2-28', periods=6)
s1.max()
>>> Timestamp('2020-02-28 00:00:00')
s1.min()
>>> Timestamp('2020-01-01 00:00:00')
s1.mean()
>>> Timestamp('2020-01-30 00:00:00')
2.3 dt对象
如同 category
, string
的序列上定义了 cat, str 来完成分类数据和文本数据的操作,在时序类型的序列上定义了 dt 对象来完成许多时间序列的相关操作。这里对于 datetime64[ns] 类型而言,可以大致分为三类操作:取出时间相关的属性、判断时间戳是否满足条件、取整操作。
取出时间相关的属性
常用属性包括 date
, time
, year
, month
, day
, hour
, minute
, second
, microsecond
, nanosecond
, dayofweek
, dayofyear
, weekofyear
, daysinmonth
, quarter
,其中 daysinmonth, quarter 分别表示这月有几天和季度。
s = pd.Series(pd.date_range('2020-1-1','2020-1-3', freq='D'))
s.dt.date0 2020-01-01
1 2020-01-02
2 2020-01-03
dtype: objects.dt.time0 00:00:00
1 00:00:00
2 00:00:00
dtype: objects.dt.year0 2020
1 2020
2 2020
dtype: int64
s.dt.daysinmonth0 31
1 31
2 31
dtype: int64
在这些属性中,经常使用的是 dayofweek
,它返回了周中的星期情况,周一为0、周二为1,以此类推:
s.dt.dayofweek0 2
1 3
2 4
dtype: int64
可以通过 month_name
, day_name
返回英文的月名和星期名,注意它们是方法而不是属性:
s.dt.month_name()0 January
1 January
2 January
dtype: object
s.dt.day_name()0 Wednesday
1 Thursday
2 Friday
dtype: object
判断时间戳是否满足条件
判断操作主要用于测试是否为月/季/年的第一天或者最后一天:
s.dt.is_year_start # 还可选 is_quarter/month_start0 True
1 False
2 False
dtype: bool
s.dt.is_month_start0 True
1 False
2 False
dtype: bool
s.dt.is_year_end # 还可选 is_quarter/month_end0 False
1 False
2 False
dtype: bool
取整操作
取整操作包含 round
, ceil
, floor
,它们的公共参数为 freq
,常用的包括 H, min, S (小时、分钟、秒),所有可选的 freq 可参考 此处 。
s = pd.Series(pd.date_range('2020-1-1 20:35:00', '2020-1-1 22:35:00', freq='45min'))
s0 2020-01-01 20:35:00
1 2020-01-01 21:20:00
2 2020-01-01 22:05:00
dtype: datetime64[ns]
s.dt.round('1H') # 四舍五入0 2020-01-01 21:00:00
1 2020-01-01 21:00:00
2 2020-01-01 22:00:00
dtype: datetime64[ns]
s.dt.ceil('1H') # 向上取整0 2020-01-01 21:00:00
1 2020-01-01 22:00:00
2 2020-01-01 23:00:00
dtype: datetime64[ns]
s.dt.floor('1H') # 向下取整0 2020-01-01 20:00:00
1 2020-01-01 21:00:00
2 2020-01-01 22:00:00
dtype: datetime64[ns]
2.4 时间戳的切片与索引
一般而言,时间戳序列作为索引使用。如果想要选出某个子时间戳序列,第一类方法是利用 dt 对象和布尔条件联合使用,另一种方式是利用切片,后者常用于连续时间戳。
s = pd.Series(np.random.randint(2,size=366),index=pd.date_range('2020-01-01','2020-12-31'))s.head()2020-01-01 0
2020-01-02 0
2020-01-03 0
2020-01-04 0
2020-01-05 1
Freq: D, dtype: int32
idx = pd.Series(s.index).dt
# Example1:每月的第一天或者最后一天
s[(idx.is_month_start|idx.is_month_end).values].head()2020-01-01 0
2020-01-31 1
2020-02-01 1
2020-02-29 0
2020-03-01 0
dtype: int32
# Example2:双休日
s[idx.dayofweek.isin([5,6]).values].head()2020-01-04 0
2020-01-05 1
2020-01-11 0
2020-01-12 0
2020-01-18 1
dtype: int32
# Example3:取出单日值
s['2020-01-04']
>>> 0s['20200104'] # 自动转换标准格式
>>> 0
# Example4:取出五月
s['2020-05'].head()2020-05-01 1
2020-05-02 0
2020-05-03 0
2020-05-04 0
2020-05-05 1
Freq: D, dtype: int32
# Example5:取出5月初至7月15日
s['2020-05':'2020-7-15'].head()2020-05-01 1
2020-05-02 0
2020-05-03 0
2020-05-04 0
2020-05-05 1
Freq: D, dtype: int32s['2020-05':'2020-7-15'].tail()2020-07-11 0
2020-07-12 1
2020-07-13 1
2020-07-14 0
2020-07-15 0
Freq: D, dtype: int32
三、时间差
3.1 Timedelta的生成
时间差可以理解为两个时间戳的差,这里也可以通过 pd.Timedelta
来构造:
pd.Timestamp('20200102 08:00:00')-pd.Timestamp('20200101 07:35:00')
>>> Timedelta('1 days 00:25:00')pd.Timedelta(days=1, minutes=25) # 需要注意加s
>>> Timedelta('1 days 00:25:00')pd.Timedelta('1 days 25 minutes 30 seconds') # 字符串生成
>>> Timedelta('1 days 00:25:30')
生成时间差序列的主要方式是 pd.to_timedelta
,其类型为 timedelta64[ns]
:
s = pd.to_timedelta(df.Time_Record)
s.head()0 0 days 00:04:34
1 0 days 00:04:20
2 0 days 00:05:22
3 0 days 00:04:08
4 0 days 00:05:22
Name: Time_Record, dtype: timedelta64[ns]
与 date_range
一样,时间差序列也可以用 timedelta_range
来生成,它们两者具有一致的参数:
pd.timedelta_range('0s', '1000s', freq='6min')
>>> TimedeltaIndex(['0 days 00:00:00', '0 days 00:06:00', '0 days 00:12:00'], dtype='timedelta64[ns]', freq='6T')pd.timedelta_range('0s', '1000s', periods=3)
>>> TimedeltaIndex(['0 days 00:00:00', '0 days 00:08:20', '0 days 00:16:40'], dtype='timedelta64[ns]', freq=None)
对于 Timedelta
序列,同样也定义了 dt
对象,上面主要定义了的属性包括 days
, seconds
, mircroseconds
, nanoseconds
,它们分别返回了对应的时间差特征。需要注意的是,这里的 seconds 不是指单纯的秒,而是对天数取余后剩余的秒数:
s.dt.seconds.head()
0 274
1 260
2 322
3 248
4 322
Name: Time_Record, dtype: int64
如果不想对天数取余而直接对应秒数,可以使用 total_seconds
s.dt.total_seconds().head()
0 274.0
1 260.0
2 322.0
3 248.0
4 322.0
Name: Time_Record, dtype: float64
与时间戳序列类似,取整函数也是可以在 dt
对象上使用的:
pd.to_timedelta(df.Time_Record).dt.round('min').head()
0 0 days 00:05:00
1 0 days 00:04:00
2 0 days 00:05:00
3 0 days 00:04:00
4 0 days 00:05:00
Name: Time_Record, dtype: timedelta64[ns]
3.2 Timedelta的运算
时间差支持的常用运算有三类:与标量的乘法运算、与时间戳的加减法运算、与时间差的加减法与除法运算:
td1 = pd.Timedelta(days=1)
td2 = pd.Timedelta(days=2)
ts = pd.Timestamp('20200101')
td1 * 2
>>> Timedelta('2 days 00:00:00')
td2 - td1
>>> Timedelta('1 days 00:00:00')
ts + td1
>>> Timestamp('2020-01-02 00:00:00')
ts - td1
>>> Timestamp('2019-12-31 00:00:00')
这些运算都可以移植到时间差的序列上:
td1 = pd.timedelta_range(start='1 days', periods=5)
td2 = pd.timedelta_range(start='12 hours', freq='2H', periods=5)
ts = pd.date_range('20200101', '20200105')
td1 * 5
>>> TimedeltaIndex(['5 days', '10 days', '15 days', '20 days', '25 days'], dtype='timedelta64[ns]', freq='5D')
td1 * pd.Series(list(range(5))) # 逐个相乘0 0 days
1 2 days
2 6 days
3 12 days
4 20 days
dtype: timedelta64[ns]
td1 - td2
TimedeltaIndex(['0 days 12:00:00', '1 days 10:00:00', '2 days 08:00:00','3 days 06:00:00', '4 days 04:00:00'],dtype='timedelta64[ns]', freq=None)
td1 + pd.Timestamp('20200101')
DatetimeIndex(['2020-01-02', '2020-01-03', '2020-01-04', '2020-01-05','2020-01-06'],dtype='datetime64[ns]', freq='D')
td1 + ts # 逐个相加
DatetimeIndex(['2020-01-02', '2020-01-04', '2020-01-06', '2020-01-08','2020-01-10'],dtype='datetime64[ns]', freq=None)
四、日期偏置
4.1 Offset对象
日期偏置是一种和日历相关的特殊时间差
# 求2020年9月第一个周一的日期
pd.Timestamp('20200831') + pd.offsets.WeekOfMonth(week=0,weekday=0)
>>> Timestamp('2020-09-07 00:00:00')# 求2020年9月7日后的第30个工作日是哪一天
pd.Timestamp('20200907') + pd.offsets.BDay(30)
>>> Timestamp('2020-10-19 00:00:00')
从上面的例子中可以看到, Offset 对象在 pd.offsets
中被定义。当使用 + 时获取离其最近的下一个日期,当使用 - 时获取离其最近的上一个日期:
# 求2020年8月第一个周一的日期
pd.Timestamp('20200831') - pd.offsets.WeekOfMonth(week=0,weekday=0)
>>> Timestamp('2020-08-03 00:00:00')# 求2020年9月7日前的第30个工作日是哪一天
pd.Timestamp('20200907') - pd.offsets.BDay(30)
>>> Timestamp('2020-07-27 00:00:00')# 求2020年9月最后一天
pd.Timestamp('20200907') + pd.offsets.MonthEnd()
>>> Timestamp('2020-09-30 00:00:00')
常用的日期偏置如下可以查阅这里的 文档 描述。在文档罗列的 Offset
中,需要介绍一个特殊的 Offset
对象 CDay
,其中的 holidays
, weekmask
参数能够分别对自定义的日期和星期进行过滤,前者传入了需要过滤的日期列表,后者传入的是三个字母的星期缩写构成的星期字符串,其作用是只保留字符串中出现的星期:
my_filter = pd.offsets.CDay(n=1,weekmask='Wed Fri',holidays=['20200109'])
dr = pd.date_range('20200108', '20200111')
dr.to_series().dt.dayofweek2020-01-08 2
2020-01-09 3
2020-01-10 4
2020-01-11 5
Freq: D, dtype: int64
[i + my_filter for i in dr][Timestamp('2020-01-10 00:00:00'),Timestamp('2020-01-10 00:00:00'),Timestamp('2020-01-15 00:00:00'),Timestamp('2020-01-15 00:00:00')]
参考文献
https://datawhalechina.github.io/joyful-pandas/build/html/%E7%9B%AE%E5%BD%95/ch10.html#id2
编程实践(Pandas)Task10相关推荐
- python 3d大数据可视化_Python大数据可视化编程实践-绘制图表
Python 数据可视化编程实践 - 绘制图表 准备工作 打开 Jupyter Notebook ,导入需要的包, 并配置好图片交互和中文显示环 境: import pandas as pd impo ...
- 【Spark】实验6 Spark机器学习库MLlib编程实践
Spark机器学习库MLlib编程实践 一.实验目的 通过实验掌握基本的MLLib编程方法: 掌握用MLLib解决一些常见的数据分析问题,包括数据导入.成分分析和分类和预测等. 二.实验平台 新工科智 ...
- 【组队学习】【29期】1. 编程实践(数据可视化)
1. 编程实践(数据可视化) 航路开辟者:杨剑砺.杨煜.耿远昊.李运佳.居凤霞 领航员:范佳慧 航海士:杨剑砺.伊雪.肖桐.李晴晴.蔡婧旎 基本信息 开源内容:https://github.com/d ...
- 【组队学习】【26期】编程实践(Python办公自动化)
编程实践(Python办公自动化) 论坛版块: http://datawhale.club/c/team-learning/29-category/29 开源内容: https://github.co ...
- 【组队学习】【26期】编程实践(Django网站开发)
编程实践(Django网站开发) 论坛版块: http://datawhale.club/c/team-learning/28-category/28 开源内容: https://github.com ...
- 【组队学习】【23期】Datawhale编程实践(区块链)
编程实践(区块链) 开源内容:https://github.com/datawhalechina/team-learning-program/tree/master/Blockchain 基本信息 贡 ...
- [Java 并发] Java并发编程实践 思维导图 - 第一章 简单介绍
阅读<Java并发编程实践>一书后整理的思维导图.
- 《Java并发编程实践》学习笔记之一:基础知识
<Java并发编程实践>学习笔记之一:基础知识 1.程序与进程 1.1 程序与进程的概念 (1)程序:一组有序的静态指令,是一种静态概念: (2)进程:是一种活动,它是由一个动作序列组成 ...
- 郑捷《机器学习算法原理与编程实践》学习笔记(第七章 预测技术与哲学)7.1 线性系统的预测...
7.1.1 回归与现代预测 7.1.2 最小二乘法 7.1.3 代码实现 (1)导入数据 def loadDataSet(self,filename): #加载数据集X = [];Y = []fr = ...
- 《深入理解大数据:大数据处理与编程实践》一一3.3 HDFS文件存储组织与读写...
本节书摘来自华章计算机<深入理解大数据:大数据处理与编程实践>一书中的第3章,第3.3节,作者 主 编:黄宜华(南京大学)副主编:苗凯翔(英特尔公司),更多章节内容可以访问云栖社区&quo ...
最新文章
- python列表(list)+索引切片+修改+插入+删除+range函数生成整数列表对象
- phpstudy集成环境安装redis扩展
- hdu3313 最大流找关键点,或者最短路找关键点.
- Arduino的光敏传感器和超声波测距传感器测试代码
- Seata 是什么?
- final,finally,finaliz的区别(Java)
- ubuntu1204 dvd 用tweak后界面起不来 swap设置4g足够32位系统软件用
- jquery ajax jsonp跨域调用实例代码
- prosody相关概念了解。xmpp,jabber,bosh等
- Spring学习传送门
- java 0点时间_java 获取当前时间与零点的时间差
- setBounds(left, top, right, bottom)详解
- Linux下 man命令的使用 及 中文man手册的安装
- 双路cpu比单路强多少_别傻了!双核和双路服务器根本不一样
- 以前收入高,但毫无上进心,40岁一身房贷,被裁后找个小公司,天天担心试用期过不了,焦虑地睡不着!...
- 聚合支付与第四方支付平台的本质区别
- feign远程调用传参问题
- 协同过滤推荐之基于近邻协同过滤(一)
- 如何通过SSH隧道连接学校服务器
- 机器学习3:——Pandas——3:文件读取和存储