这篇文章主要讲解了“Python日期数据处理的常见操作有哪些”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“Python日期数据处理的常见操作有哪些”吧！

这次介绍日期数据处理。

用python中的方法对日期数据进行处理, 我们可以获取很多有用的信息, 比如年月日,星期,周次,季度等, 这里分享工作和数据竞赛30余种常用的转换方法。

1 计算日期的年月日时分秒,星期,周次…

用pandas的read_excel()方法读取excel表数据，将表格中"日期"列转日期格式

import pandas as pd
import numpy as np
import datetime

df = pd.read_excel('./日期问题.xlsx')
#　将日期列转成日期格式
df['日期'] = pd.to_datetime(df['日期'])   

dt模块可轻松获取日期基本属性

# 转年月日格式(字符串文本)
df['年月日'] = df['日期'].apply(lambda x: x.strftime('%Y%m%d'))
df['年']=df['日期'].dt.year  
df['季度']=df['日期'].dt.quarter
df['月']=df['日期'].dt.month
df['日']=df['日期'].dt.day   
df['星期几']=df['日期'].dt.dayofweek
df['周次']=df['日期'].dt.week
df['时']=df['日期'].dt.hour
df['分']=df['日期'].dt.minute
df['秒']=df['日期'].dt.second

２计算一年中的第几天, 第几个10分钟, 日期转数值

通过对天, 时,分的四则运算将日期转为序列数值数据

df['一年中的第几天']=df['日期'].dt.dayofyear
df['一天中的第几分钟']=df['日期'].apply(lambda x: x.minute + x.hour*60) 
df['一天中的第几个10分钟'] = df['时'] * 6 + df['分'] // 10
df['数值'] = df["日期"].values.astype(np.int64) // 10 ** 9
# 转年月(数值)
df['年月'] = df['日期'].dt.year * 100 + df['日期'].dt.month  

３判断日期是否闰年，年初年末，月初月末…

apply() 和lambda()方法使用. python中2个强大的高阶函数.

df['是否闰年'] = df['日期'].apply(lambda x: x.is_leap_year) # 是否闰年
df['是否月初'] = df['日期'].apply(lambda x: x.is_month_start) # 是否月初
df['是否月末'] = df['日期'].apply(lambda x: x.is_month_end)   # 月末
df['是否季节初'] = df['日期'].apply(lambda x: x.is_quarter_start)  # 季度初
df['是否季节末'] = df['日期'].apply(lambda x: x.is_quarter_end) # 季度末
df['是否年初'] = df['日期'].apply(lambda x: x.is_year_start)  # 年初
df['是否年尾'] = df['日期'].apply(lambda x: x.is_year_end)  # 年内末
df['是否周末'] = df['日期'].apply(lambda x: True if x.dayofweek in [5, 6] else False)  # 是否周末
df.loc[((df['时'] >= 8) & (df['时'] < 22)), '是否营业时间'] = True

４字符串时段，季节

构造字典, 用map方法进行替换.

period_dict ={
    23: '深夜', 0: '深夜', 1: '深夜',
    2: '凌晨', 3: '凌晨', 4: '凌晨',
    5: '早晨', 6: '早晨', 7: '早晨',
    8: '上午', 9: '上午', 10: '上午', 11: '上午',
    12: '中午', 13: '中午',
    14: '下午', 15: '下午', 16: '下午', 17: '下午',
    18: '傍晚',
    19: '晚上', 20: '晚上', 21: '晚上', 22: '晚上',
}
df['时间段']=df['时'].map(period_dict)
# 一年中的哪个季度
season_dict = {
    1: '春季', 2: '春季', 3: '春季',
    4: '夏季', 5: '夏季', 6: '夏季',
    7: '秋季', 8: '秋季', 9: '秋季',
    10: '冬季', 11: '冬季', 12: '冬季',
}
df['季节']=df['月'].map(season_dict)

５for循环快捷计算

python中的getattr()方法

time_features = ['year', 'month', 'quarter', 'week', 'day', 'dayofweek', 'dayofyear']
dtype = np.int16
for time_feature in time_features:
    df[time_feature] = getattr(df['日期'].dt, time_feature).astype(dtype)

６时间间隔天数计算

日期与一指定日期或者今天日期相比, 计算间隔天数

# 设置初始的时间
base_time = datetime.datetime.strptime('2021-06-01', '%Y-%m-%d')
# 计算时间差
df['时间差'] = df['日期'].apply(lambda x: x-base_time).dt.days   
# 距离今天天数 
df['间隔天数'] = list(map(lambda x: x.days, pd.to_datetime('today') - df['日期']))

补充：Python日期获取今天及昨天的年月日等信息

import time
from datetime import datetime, date, timedelta
 
# 当前日期
now_date = time.strftime("%Y-%m-%d %H:%M:%S", time.localtime())
print("now_date: {}".format(now_date))
 
# 当前时间的年月日
year = datetime.now().year
month = datetime.now().month
day = datetime.now().day
 
print(f"year: {year}, month: {month}, day: {day}")
 
# 昨天
month_yesterday = (date.today() + timedelta(days=-1)).month
day_yesterday = (date.today() + timedelta(days=-1)).day
 
print(f"month_yesterday: {month_yesterday}, day_yesterday: {day_yesterday}")

输出结果：

now_date: 2022-06-01 11:22:11
year: 2022, month: 6, day: 1
month_yesterday: 5, day_yesterday: 31

总结

到此这篇关于“Python日期数据处理的常见操作有哪些”的文章就介绍到这了,更多相关内容请搜索群英网络以前的文章或继续浏览下面的相关文章，希望大家以后多多支持群英网络！