时间:2021-05-22
Pandas中对 时间 这个属性的处理有非常非常多的操作。
而本文对其中一个大家可能比较陌生的方法进行讲解。其他的我会陆续上传。
应用情景是这样的:考虑到有一个数据集,数据集中有用户注册账号的时间(年-月-日),如下图格式。
如果我们希望对用户账号注册时间转为具体的天数,我们可以用如下代码。
import pandas as pdtd=data['user_reg_tm']Time=pd.to_datetime(td)Start=pd.datetime(2016,4,16)day=Start-Time最后,把天数插入到原来的表中
data['Day']=day下面简单的说一下一个时间的创建一些细节。
date=pd.Series(['2016411'])pd.to_datetime(date)这样就创建一个时间为 2016-4-11的时间值。
这里有个细节,就是字符串里的时间格式,年月日之间如果没有分隔,pandas会自动用-号分开,如果要自己手动分隔,例如
date=pd.Series(['2016-4-11'])这也可以,或者用/号。但是注意,只能用- 或者/来进行分隔,不可使用别的。
有时候我们还需要有时分秒的信息。
date=pd.Series(['2016-4-11 12:12:12'])最后再说下一个问题,上面我获得的天数后我们怎么单独取出“天数”来呢?
很简单,用.days来访问。
对于 Series类型,用 data.dt.days
对于Timedelta类型,可以直接访问 即 data.days。
例如:
因为data['Day']是Series类型的
因为day是Timedelta类型的
day.days
更新:时间处理下篇链接点击打开链接
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
摘要在上一篇文章,时间日期处理的入门里面,我们简单介绍了一下载pandas里对时间日期的简单操作。下面将补充一些常用方法。时间日期的比较假设我们有数据集df如下
再写入数据库对时间进行加减操作时候django报告了错误TypeError:can'tsubtractoffset-naiveandoffset-awareda
Pandas提供了便捷的方式对时间序列进行重采样,根据时间粒度的变大或者变小分为降采样和升采样:降采样:时间粒度变大。例如,原来是按天统计的数据,现在变成按周统
在使用Python处理数据时,经常需要对数据筛选。这是在对时间筛选时,判断两列时间是否相差一年,如果是,则返回符合条件的所有列。data原始数据:data[ma
我们会经常遇到对时间的处理,用python来进行时间处理简直不要太方便了,这一期就给大家介绍一下python的时间处理!用python进行时间处理主要会用到ti