python基础学习笔记（三）pandas日期

小鱼儿 2022-04-08 08:22 332阅读 0赞

## 引入 improt datetime ##

a = datetime.date.time(2018,8,3)
    
    b  = datetime.date.time(2018,1,1)
    
    a - b 获得一个时间差 datatime.timedelta()
    
    a.strftime("%Y=%m-%d") 时间对象格式化成字符串
    
    datetime.datetime.strptime("2018-1-1","%Y-%m-%d") #字符串解析成时间对象

## 使用dateutil和pandas ##

import dateutil
    
    dateutil.parser.parse("JAN-1-2018") #字符串转换日期
    
    import pandas pd
    
    pd.to_datetime(['2018-1-1','2019/1/1']) #批量日期转换
    
    pd.to_datetime(['2018-1-1','2019/1/1']) .to_pydatetime() #转换成时间数组
    
    pd.date_range('2015-1-1','2018-1-1',freq='M') #按月获得时间序列
    
    #参数 start,end,periods,freq (默认D，可选H小时，W周，B上班时间，SM半个月，M月，T分钟，S秒,A年)

## 时间序列 ##

df.index = pd.to_datetime(df['date'].values) #获取csv中时间列,设置成时间序列
    
    df['2018-1'] #传入参数获取2018年1月的所有数据
    
    df['2018-1':'2018-9'] #取一段时间的
    
    df.index.strftime("%Y-%m-%d") #修改时间格式
    
    df.resample('3D').mean() #数据重新取样，可以做每3天（单位长度）做一次取样
    
    to_pydatetime #批量转换成datetime对象

## 文件读取 ##

pd.read_csv('c.csv',sep='\s+',header=None) #按照多个空白字符分割读取csv,不读取第一行
    
    # 其他参数 names=list('abcd') 列重命名，index_col=2(index_col='date')指定某列作为索引
    
    # parse_dates=['date']转换成时间索引
    
    #na_values=['None','null'] 指定缺失值
    
    df.to_csv('t.csv') # 写文件 
    
    #参数 sep指定分割,na_rep指定缺失值herder=False不输出第一列，index=False不数组第一列 colums=['start','end']指定输出列