Python之Pandas时间戳:加减、转换、频率转换与shift()方法
2024.01.17 12:51浏览量:10简介:本文将介绍Pandas库中时间戳的基本操作,包括时间戳的创建、加减、时间格式转换、时期频率转换以及使用shift()方法进行时间频率的移位。
千帆应用开发平台“智能体Pro”全新上线 限时免费体验
面向慢思考场景,支持低代码配置的方式创建“智能体Pro”应用
立即体验
在Python的Pandas库中,时间戳是用于表示日期和时间的特殊数据类型。Pandas提供了许多功能强大的工具来处理时间序列数据。下面我们将介绍如何使用Pandas进行时间戳的基本操作。
- 时间戳的创建
在Pandas中,可以使用pd.Timestamp()
函数来创建时间戳。你可以传入一个字符串、一个Python datetime对象或一个整数来表示时间戳。
例如:
输出:import pandas as pd
time = pd.Timestamp('2023-07-19')
print(time)
2023-07-19 00:00:00
- 时间戳的加减
Pandas支持对时间戳进行加减操作,可以使用pd.Timedelta()
函数来实现。pd.Timedelta()
可以接受一个表示时间间隔的字符串或整数,并返回一个表示时间间隔的Pandas timedelta对象。
例如:
输出:time = pd.Timestamp('2023-07-19')
time_interval = pd.Timedelta('5 days')
time_after_interval = time + time_interval
print(time_after_interval)
这里,我们创建了一个5天的时间间隔,然后将其加到2023-07-24 00:00:00
2023-07-19
上,得到了新的时间戳2023-07-24
。 - 时间戳的格式转换
Pandas提供了strftime()
和strptime()
方法来格式化时间戳的显示和解析。你可以使用这些方法来将时间戳转换为特定的日期和时间格式,或者将日期和时间字符串解析为时间戳。
例如:
输出:time = pd.Timestamp('2023-07-19 15:30:00')
time_str = time.strftime('%Y-%m-%d %H:%M:%S')
print(time_str)
输出:2023-07-19 15:30:00
```python
time_parsed = pd.Timestamp(time_str)
pprint(time_parsed)
这里,我们首先将时间戳转换为字符串,然后使用2023-07-19 15:30:00
strptime()
方法将字符串解析为时间戳。注意,在strftime()
和strptime()
方法中使用的格式字符串需要根据你想要转换的时间戳或字符串来定制。常用的格式字符包括%Y
表示年份、%m
表示月份、%d
表示日期等。 - 时期频率转换
Pandas提供了asfreq()
方法来转换时间序列数据的频率。你可以使用该方法将数据转换为不同的频率,例如从日数据转换为小时数据或从月数据转换为季度数据。
例如:
输出:timeseries = pd.date_range(start='2023-07-01', periods=10, freq='D')
timeseries_resampled = timeseries.asfreq('H')
print(timeseries_resampled)
```python
DatetimeIndex([‘2023-07-01 12:34:56’, ‘2023-07-01 15:59:59’, ‘2023-07-02 12:34:56’,
‘2023-07-02 15:59:59’, ‘2023-07-03 12:34:56’, ‘2023-07-03 15:59:59’,
‘2023-07-04 12

发表评论
登录后可评论,请前往 登录 或 注册