Pandas 数据处理 | Datetime 在 Pandas 中的一些用法！ - Python

提示：扫一扫查出行
【扫一扫了解最新限行尾号】
复制提示

Datatime 是 Python 中一种时间数据类型，对于不同时间格式之间的转换是比较方便的，而在 Pandas 中也同样支持 DataTime 数据机制，可以借助它实现许多有用的功能，例如

1，函数to_datetime() 将数据列表中的 Series 列转化为 datetime 类型，

#Convert the type to datetime apple.Date = pd.to_datetime(apple.Date) apple['Date'].head()# 0 2014-07-08 1 2014-07-07 2 2014-07-03 3 2014-07-02 4 2014-07-01 Name: Date, dtype: datetime64[ns]

2，DataFrame.resample(freq)，将数据基于时间列以 freq 作为频度对全局数据做重采样，计算出分段数据和、均值、方差等指标；下面例子中原数据的索引是 Datatime 数据格式，以月为时间单位求出各列数据的平均值

# Resample the data based the offset,get the mean of data # BM — bussiness month end frequencyapple_month = apple.resample("BM").mean() apple_month.head()

下面将根据几道练习题，简单介绍一下 Pandas 是怎么处理 DataFrame 数据的

1 , to_datetime() 与 resample() 操作

1.1，读取数据

url = "https://raw.githubusercontent.com/guipsamora/pandas_exercises/master/09_Time_Series/Apple_Stock/appl_1980_2014.csv" apple =pd.read_csv(url) apple.head()

可以看到，时间在 Date 这一列数据中，但不是标准的 datetime 格式，需要格式处理一下

1.2，datetime 格式转换

#Convert the type to datetime apple.Date = pd.to_datetime(apple.Date) apple['Date'].head()

**1.3，将 Date 列设为 index **

apple = apple.set_index("Date") # Set Index apple.head()

Date 虽然已经设为 index，但是时间排列却并不清晰，datetime 数据可以直接排序这里用 sort_index(ascending = True) 完成排序

1.4，对索引进行排序

# Sort The DataFrame based on Date columns apple.sort_index(ascending = True).head()

1.5，以月为单位对数据采样并获取mean()

# Resample the data based the offset,get the mean of data # BM — bussiness month end frequencyapple_month = apple.resample("BM").mean() apple_month.head()

BM 全称 Bussiness Month，是商业月的意思，在 Pandas 中称为 DataOffset，除了月之外，还提供年、日、秒、小时、分..等作为采样单位，当然也可以自定义

关于 Data Offset 具体详细内容可参考：https://pandas.pydata.org/docs/user_guide/timeseries.html#timeseries-offset-aliases；

1.6，计算时间列表中最早日期与最晚日期相差天数

(apple.index.max()-apple.index.min()).days# 12261

2，统计近两年苹果、特斯拉、IBM、LINKD各公司股价

2.1，pandas_datareader 获取数据

import pandas as pd from pandas_datareader import data as web import datetime as dtstart = dt.datetime(2019,1,1) end = dt.datetime.today() stocks = ['APPLE','TSLA','IBM','LNKD'] df = web.DataReader(stocks,'yahoo',start,end) df

使用之前请确保pandas_datareader 包已经安装成功，这个包帮助我们直接通过爬虫获取近两年的各公司的股票信息，后面 start，end 两个 datetime 时间用于限制时间

结果显示似乎这种方法获取不到到的苹果和LINKD 的股价(但并不影响，因为这里主要是学习一下 datetime 在 Pandas 的用法)