简介

时间应该是在数据处理中经常会用到的一种数据类型，除了Numpy中datetime64 和 timedelta64 这两种数据类型之外，pandas 还整合了其他python库比如 scikits.timeseries 中的功能。

时间分类

pandas中有四种时间类型：

Date times : 日期和时间，可以带时区。和标准库中的 datetime.datetime 类似。
Time deltas：绝对持续时间，和标准库中的 datetime.timedelta 类似。
Time spans：由时间点及其关联的频率定义的时间跨度。
Date offsets：基于日历计算的时间和 dateutil.relativedelta.relativedelta 类似。

我们用一张表来表示：

类型	标量class	数组class	pandas数据类型	主要创建方法
Date times	`Timestamp`	`DatetimeIndex`	`datetime64[ns]` or `datetime64[ns, tz]`	`to_datetime` or `date_range`
Time deltas	`Timedelta`	`TimedeltaIndex`	`timedelta64[ns]`	`to_timedelta` or `timedelta_range`
Time spans	`Period`	`PeriodIndex`	`period[freq]`	`Period` or `period_range`
Date offsets	`DateOffset`	`None`	`None`	`DateOffset`

看一个使用的例子：

In [19]: pd.Series(range(3), index=pd.date_range("2000", freq="D", periods=3))

Out[19]:

2000-01-01    0

2000-01-02    1

2000-01-03    2

Freq: D, dtype: int64

看一下上面数据类型的空值：

In [24]: pd.Timestamp(pd.NaT)

Out[24]: NaT

In [25]: pd.Timedelta(pd.NaT)

Out[25]: NaT

In [26]: pd.Period(pd.NaT)

Out[26]: NaT

# Equality acts as np.nan would

In [27]: pd.NaT == pd.NaT

Out[27]: False

Timestamp

Timestamp 是最基础的时间类型，我们可以这样创建：

In [28]: pd.Timestamp(datetime.datetime(2012, 5, 1))

Out[28]: Timestamp('2012-05-01 00:00:00')

In [29]: pd.Timestamp("2012-05-01")

Out[29]: Timestamp('2012-05-01 00:00:00')

In [30]: pd.Timestamp(2012, 5, 1)

Out[30]: Timestamp('2012-05-01 00:00:00')

DatetimeIndex

Timestamp 作为index会自动被转换为DatetimeIndex：

In [33]: dates = [

   ....:     pd.Timestamp("2012-05-01"),

   ....:     pd.Timestamp("2012-05-02"),

   ....:     pd.Timestamp("2012-05-03"),

   ....: ]

   ....: 

In [34]: ts = pd.Series(np.random.randn(3), dates)

In [35]: type(ts.index)

Out[35]: pandas.core.indexes.datetimes.DatetimeIndex

In [36]: ts.index

Out[36]: DatetimeIndex(['2012-05-01', '2012-05-02', '2012-05-03'], dtype='datetime64[ns]', freq=None)

In [37]: ts

Out[37]:

2012-05-01    0.469112

2012-05-02   -0.282863

2012-05-03   -1.509059

dtype: float64

date_range 和 bdate_range

还可以使用 date_range 来创建DatetimeIndex：

In [74]: start = datetime.datetime(2011, 1, 1)

In [75]: end = datetime.datetime(2012, 1, 1)

In [76]: index = pd.date_range(start, end)

In [77]: index

Out[77]:

DatetimeIndex(['2011-01-01', '2011-01-02', '2011-01-03', '2011-01-04',

               '2011-01-05', '2011-01-06', '2011-01-07', '2011-01-08',

               '2011-01-09', '2011-01-10',

               ...

               '2011-12-23', '2011-12-24', '2011-12-25', '2011-12-26',

               '2011-12-27', '2011-12-28', '2011-12-29', '2011-12-30',

               '2011-12-31', '2012-01-01'],

              dtype='datetime64[ns]', length=366, freq='D')

date_range 是日历范围，bdate_range 是工作日范围：

In [78]: index = pd.bdate_range(start, end)

In [79]: index

Out[79]:

DatetimeIndex(['2011-01-03', '2011-01-04', '2011-01-05', '2011-01-06',

               '2011-01-07', '2011-01-10', '2011-01-11', '2011-01-12',

               '2011-01-13', '2011-01-14',

               ...

               '2011-12-19', '2011-12-20', '2011-12-21', '2011-12-22',

               '2011-12-23', '2011-12-26', '2011-12-27', '2011-12-28',

               '2011-12-29', '2011-12-30'],

              dtype='datetime64[ns]', length=260, freq='B')

两个方法都可以带上 start, end, 和 periods 参数。

In [84]: pd.bdate_range(end=end, periods=20)

In [83]: pd.date_range(start, end, freq="W")

In [86]: pd.date_range("2018-01-01", "2018-01-05", periods=5)

`origin`

使用 origin参数，可以修改 DatetimeIndex 的起点：

In [67]: pd.to_datetime([1, 2, 3], unit="D", origin=pd.Timestamp("1960-01-01"))

Out[67]: DatetimeIndex(['1960-01-02', '1960-01-03', '1960-01-04'], dtype='datetime64[ns]', freq=None)

默认情况下 origin='unix', 也就是起点是 1970-01-01 00:00:00.

In [68]: pd.to_datetime([1, 2, 3], unit="D")

Out[68]: DatetimeIndex(['1970-01-02', '1970-01-03', '1970-01-04'], dtype='datetime64[ns]', freq=None)

格式化

使用format参数可以对时间进行格式化：

In [51]: pd.to_datetime("2010/11/12", format="%Y/%m/%d")

Out[51]: Timestamp('2010-11-12 00:00:00')

In [52]: pd.to_datetime("12-11-2010 00:00", format="%d-%m-%Y %H:%M")

Out[52]: Timestamp('2010-11-12 00:00:00')

Period

Period 表示的是一个时间跨度,通常和freq一起使用：

In [31]: pd.Period("2011-01")

Out[31]: Period('2011-01', 'M')

In [32]: pd.Period("2012-05", freq="D")

Out[32]: Period('2012-05-01', 'D')

Period可以直接进行运算：

In [345]: p = pd.Period("2012", freq="A-DEC")

In [346]: p + 1

Out[346]: Period('2013', 'A-DEC')

In [347]: p - 3

Out[347]: Period('2009', 'A-DEC')

In [348]: p = pd.Period("2012-01", freq="2M")

In [349]: p + 2

Out[349]: Period('2012-05', '2M')

In [350]: p - 1

Out[350]: Period('2011-11', '2M')

注意，Period只有具有相同的freq才能进行算数运算。包括 offsets 和 timedelta

In [352]: p = pd.Period("2014-07-01 09:00", freq="H")

In [353]: p + pd.offsets.Hour(2)

Out[353]: Period('2014-07-01 11:00', 'H')

In [354]: p + datetime.timedelta(minutes=120)

Out[354]: Period('2014-07-01 11:00', 'H')

In [355]: p + np.timedelta64(7200, "s")

Out[355]: Period('2014-07-01 11:00', 'H')

Period作为index可以自动被转换为PeriodIndex：

In [38]: periods = [pd.Period("2012-01"), pd.Period("2012-02"), pd.Period("2012-03")]

In [39]: ts = pd.Series(np.random.randn(3), periods)

In [40]: type(ts.index)

Out[40]: pandas.core.indexes.period.PeriodIndex

In [41]: ts.index

Out[41]: PeriodIndex(['2012-01', '2012-02', '2012-03'], dtype='period[M]', freq='M')

In [42]: ts

Out[42]:

2012-01   -1.135632

2012-02    1.212112

2012-03   -0.173215

Freq: M, dtype: float64

可以通过 pd.period_range 方法来创建 PeriodIndex：

In [359]: prng = pd.period_range("1/1/2011", "1/1/2012", freq="M")

In [360]: prng

Out[360]:

PeriodIndex(['2011-01', '2011-02', '2011-03', '2011-04', '2011-05', '2011-06',

             '2011-07', '2011-08', '2011-09', '2011-10', '2011-11', '2011-12',

             '2012-01'],

            dtype='period[M]', freq='M')

还可以通过PeriodIndex直接创建：

In [361]: pd.PeriodIndex(["2011-1", "2011-2", "2011-3"], freq="M")

Out[361]: PeriodIndex(['2011-01', '2011-02', '2011-03'], dtype='period[M]', freq='M')

DateOffset

DateOffset表示的是频率对象。它和Timedelta很类似，表示的是一个持续时间，但是有特殊的日历规则。比如Timedelta一天肯定是24小时，而在 DateOffset中根据夏令时的不同，一天可能会有23，24或者25小时。

# This particular day contains a day light savings time transition

In [144]: ts = pd.Timestamp("2016-10-30 00:00:00", tz="Europe/Helsinki")

# Respects absolute time

In [145]: ts + pd.Timedelta(days=1)

Out[145]: Timestamp('2016-10-30 23:00:00+0200', tz='Europe/Helsinki')

# Respects calendar time

In [146]: ts + pd.DateOffset(days=1)

Out[146]: Timestamp('2016-10-31 00:00:00+0200', tz='Europe/Helsinki')

In [147]: friday = pd.Timestamp("2018-01-05")

In [148]: friday.day_name()

Out[148]: 'Friday'

# Add 2 business days (Friday --> Tuesday)

In [149]: two_business_days = 2 * pd.offsets.BDay()

In [150]: two_business_days.apply(friday)

Out[150]: Timestamp('2018-01-09 00:00:00')

In [151]: friday + two_business_days

Out[151]: Timestamp('2018-01-09 00:00:00')

In [152]: (friday + two_business_days).day_name()

Out[152]: 'Tuesday'

DateOffsets 和Frequency 运算是先关的，看一下可用的Date Offset 和它相关联的 Frequency：

Date Offset	Frequency String	描述
`DateOffset`	None	通用的offset 类
`BDay` or `BusinessDay`	`'B'`	工作日
`CDay` or `CustomBusinessDay`	`'C'`	自定义的工作日
`Week`	`'W'`	一周
`WeekOfMonth`	`'WOM'`	每个月的第几周的第几天
`LastWeekOfMonth`	`'LWOM'`	每个月最后一周的第几天
`MonthEnd`	`'M'`	日历月末
MonthBegin	`'MS'`	日历月初
`BMonthEnd` or `BusinessMonthEnd`	`'BM'`	营业月底
`BMonthBegin` or `BusinessMonthBegin`	`'BMS'`	营业月初
`CBMonthEnd` or `CustomBusinessMonthEnd`	`'CBM'`	自定义营业月底
`CBMonthBegin` or `CustomBusinessMonthBegin`	`'CBMS'`	自定义营业月初
`SemiMonthEnd`	`'SM'`	日历月末的第15天
`SemiMonthBegin`	`'SMS'`	日历月初的第15天
`QuarterEnd`	`'Q'`	日历季末
`QuarterBegin`	`'QS'`	日历季初
`BQuarterEnd`	`'BQ`	工作季末
`BQuarterBegin`	`'BQS'`	工作季初
`FY5253Quarter`	`'REQ'`	零售季（ 52-53 week)
`YearEnd`	`'A'`	日历年末
`YearBegin`	`'AS'` or `'BYS'`	日历年初
`BYearEnd`	`'BA'`	营业年末
`BYearBegin`	`'BAS'`	营业年初
`FY5253`	`'RE'`	零售年 (aka 52-53 week)
`Easter`	None	复活节假期
`BusinessHour`	`'BH'`	business hour
`CustomBusinessHour`	`'CBH'`	custom business hour
`Day`	`'D'`	一天的绝对时间
`Hour`	`'H'`	一小时
`Minute`	`'T'` or `'min'`	一分钟
`Second`	`'S'`	一秒钟
`Milli`	`'L'` or `'ms'`	一微妙
`Micro`	`'U'` or `'us'`	一毫秒
`Nano`	`'N'`	一纳秒

DateOffset还有两个方法 rollforward() 和 rollback() 可以将时间进行移动：

In [153]: ts = pd.Timestamp("2018-01-06 00:00:00")

In [154]: ts.day_name()

Out[154]: 'Saturday'

# BusinessHour's valid offset dates are Monday through Friday

In [155]: offset = pd.offsets.BusinessHour(start="09:00")

# Bring the date to the closest offset date (Monday)

In [156]: offset.rollforward(ts)

Out[156]: Timestamp('2018-01-08 09:00:00')

# Date is brought to the closest offset date first and then the hour is added

In [157]: ts + offset

Out[157]: Timestamp('2018-01-08 10:00:00')

上面的操作会自动保存小时，分钟等信息，如果想要设置为 00:00:00 ，可以调用normalize() 方法：

In [158]: ts = pd.Timestamp("2014-01-01 09:00")

In [159]: day = pd.offsets.Day()

In [160]: day.apply(ts)

Out[160]: Timestamp('2014-01-02 09:00:00')

In [161]: day.apply(ts).normalize()

Out[161]: Timestamp('2014-01-02 00:00:00')

In [162]: ts = pd.Timestamp("2014-01-01 22:00")

In [163]: hour = pd.offsets.Hour()

In [164]: hour.apply(ts)

Out[164]: Timestamp('2014-01-01 23:00:00')

In [165]: hour.apply(ts).normalize()

Out[165]: Timestamp('2014-01-01 00:00:00')

In [166]: hour.apply(pd.Timestamp("2014-01-01 23:30")).normalize()

Out[166]: Timestamp('2014-01-02 00:00:00')

作为index

时间可以作为index，并且作为index的时候会有一些很方便的特性。

可以直接使用时间来获取相应的数据：

In [99]: ts["1/31/2011"]

Out[99]: 0.11920871129693428

In [100]: ts[datetime.datetime(2011, 12, 25):]

Out[100]:

2011-12-30    0.56702

Freq: BM, dtype: float64

In [101]: ts["10/31/2011":"12/31/2011"]

Out[101]:

2011-10-31    0.271860

2011-11-30   -0.424972

2011-12-30    0.567020

Freq: BM, dtype: float64

获取全年的数据：

In [102]: ts["2011"]

Out[102]:

2011-01-31    0.119209

2011-02-28   -1.044236

2011-03-31   -0.861849

2011-04-29   -2.104569

2011-05-31   -0.494929

2011-06-30    1.071804

2011-07-29    0.721555

2011-08-31   -0.706771

2011-09-30   -1.039575

2011-10-31    0.271860

2011-11-30   -0.424972

2011-12-30    0.567020

Freq: BM, dtype: float64

获取某个月的数据：

In [103]: ts["2011-6"]

Out[103]:

2011-06-30    1.071804

Freq: BM, dtype: float64

DF可以接受时间作为loc的参数：

In [105]: dft

Out[105]:

                            A

2013-01-01 00:00:00  0.276232

2013-01-01 00:01:00 -1.087401

2013-01-01 00:02:00 -0.673690

2013-01-01 00:03:00  0.113648

2013-01-01 00:04:00 -1.478427

...                       ...

2013-03-11 10:35:00 -0.747967

2013-03-11 10:36:00 -0.034523

2013-03-11 10:37:00 -0.201754

2013-03-11 10:38:00 -1.509067

2013-03-11 10:39:00 -1.693043

[100000 rows x 1 columns]

In [106]: dft.loc["2013"]

Out[106]:

                            A

2013-01-01 00:00:00  0.276232

2013-01-01 00:01:00 -1.087401

2013-01-01 00:02:00 -0.673690

2013-01-01 00:03:00  0.113648

2013-01-01 00:04:00 -1.478427

...                       ...

2013-03-11 10:35:00 -0.747967

2013-03-11 10:36:00 -0.034523

2013-03-11 10:37:00 -0.201754

2013-03-11 10:38:00 -1.509067

2013-03-11 10:39:00 -1.693043

[100000 rows x 1 columns]

时间切片：

In [107]: dft["2013-1":"2013-2"]

Out[107]:

                            A

2013-01-01 00:00:00  0.276232

2013-01-01 00:01:00 -1.087401

2013-01-01 00:02:00 -0.673690

2013-01-01 00:03:00  0.113648

2013-01-01 00:04:00 -1.478427

...                       ...

2013-02-28 23:55:00  0.850929

2013-02-28 23:56:00  0.976712

2013-02-28 23:57:00 -2.693884

2013-02-28 23:58:00 -1.575535

2013-02-28 23:59:00 -1.573517

[84960 rows x 1 columns]

切片和完全匹配

考虑下面的一个精度为分的Series对象：

In [120]: series_minute = pd.Series(

   .....:     [1, 2, 3],

   .....:     pd.DatetimeIndex(

   .....:         ["2011-12-31 23:59:00", "2012-01-01 00:00:00", "2012-01-01 00:02:00"]

   .....:     ),

   .....: )

   .....: 

In [121]: series_minute.index.resolution

Out[121]: 'minute'

时间精度小于分的话，返回的是一个Series对象：

In [122]: series_minute["2011-12-31 23"]

Out[122]:

2011-12-31 23:59:00    1

dtype: int64

时间精度大于分的话，返回的是一个常量：

In [123]: series_minute["2011-12-31 23:59"]

Out[123]: 1

In [124]: series_minute["2011-12-31 23:59:00"]

Out[124]: 1

同样的，如果精度为秒的话，小于秒会返回一个对象，等于秒会返回常量值。

时间序列的操作

Shifting

使用shift方法可以让 time series 进行相应的移动：

In [275]: ts = pd.Series(range(len(rng)), index=rng)

In [276]: ts = ts[:5]

In [277]: ts.shift(1)

Out[277]:

2012-01-01    NaN

2012-01-02    0.0

2012-01-03    1.0

Freq: D, dtype: float64

通过指定 freq ，可以设置shift的方式：

In [278]: ts.shift(5, freq="D")

Out[278]:

2012-01-06    0

2012-01-07    1

2012-01-08    2

Freq: D, dtype: int64

In [279]: ts.shift(5, freq=pd.offsets.BDay())

Out[279]:

2012-01-06    0

2012-01-09    1

2012-01-10    2

dtype: int64

In [280]: ts.shift(5, freq="BM")

Out[280]:

2012-05-31    0

2012-05-31    1

2012-05-31    2

dtype: int64

频率转换

时间序列可以通过调用 asfreq 的方法转换其频率：

In [281]: dr = pd.date_range("1/1/2010", periods=3, freq=3 * pd.offsets.BDay())

In [282]: ts = pd.Series(np.random.randn(3), index=dr)

In [283]: ts

Out[283]:

2010-01-01    1.494522

2010-01-06   -0.778425

2010-01-11   -0.253355

Freq: 3B, dtype: float64

In [284]: ts.asfreq(pd.offsets.BDay())

Out[284]:

2010-01-01    1.494522

2010-01-04         NaN

2010-01-05         NaN

2010-01-06   -0.778425

2010-01-07         NaN

2010-01-08         NaN

2010-01-11   -0.253355

Freq: B, dtype: float64

asfreq还可以指定修改频率过后的填充方法：

In [285]: ts.asfreq(pd.offsets.BDay(), method="pad")

Out[285]:

2010-01-01    1.494522

2010-01-04    1.494522

2010-01-05    1.494522

2010-01-06   -0.778425

2010-01-07   -0.778425

2010-01-08   -0.778425

2010-01-11   -0.253355

Freq: B, dtype: float64

Resampling 重新取样

给定的时间序列可以通过调用resample方法来重新取样：

In [286]: rng = pd.date_range("1/1/2012", periods=100, freq="S")

In [287]: ts = pd.Series(np.random.randint(0, 500, len(rng)), index=rng)

In [288]: ts.resample("5Min").sum()

Out[288]:

2012-01-01    25103

Freq: 5T, dtype: int64

resample 可以接受各类统计方法，比如： sum, mean, std, sem, max, min, median, first, last, ohlc。

In [289]: ts.resample("5Min").mean()

Out[289]:

2012-01-01    251.03

Freq: 5T, dtype: float64

In [290]: ts.resample("5Min").ohlc()

Out[290]:

            open  high  low  close

2012-01-01   308   460    9    205

In [291]: ts.resample("5Min").max()

Out[291]:

2012-01-01    460

Freq: 5T, dtype: int64

本文已收录于 http://www.flydean.com/15-python-pandas-time/

最通俗的解读，最深刻的干货，最简洁的教程，众多你不知道的小技巧等你来发现！

欢迎关注我的公众号:「程序那些事」,懂技术，更懂你！

Pandas高级教程之:时间处理的更多相关文章

Pandas高级教程之:GroupBy用法
Pandas高级教程之:GroupBy用法目录简介分割数据多index get_group dropna groups属性 index的层级 group的遍历聚合操作通用聚合方法同时使用 ...
Pandas高级教程之:处理缺失数据
目录简介 NaN的例子整数类型的缺失值 Datetimes 类型的缺失值 None 和 np.nan 的转换缺失值的计算使用fillna填充NaN数据使用dropna删除包含NA的数据插值 ...
Pandas高级教程之:plot画图详解
目录简介基础画图其他图像 bar stacked bar barh Histograms box Area Scatter Hexagonal bin Pie 在画图中处理NaN数据其他作图工 ...
Pandas高级教程之:window操作
目录简介滚动窗口 Center window Weighted window 加权窗口扩展窗口指数加权窗口简介在数据统计中,经常需要进行一些范围操作,这些范围我们可以称之为一个window ...
Pandas高级教程之:Dataframe的合并
目录简介使用concat 使用append 使用merge 使用join 覆盖数据简介 Pandas提供了很多合并Series和Dataframe的强大的功能,通过这些功能可以方便的进行数据分析 ...
Pandas高级教程之:处理text数据
目录简介创建text的DF String 的方法 columns的String操作分割和替换String String的连接使用 .str来index extract extractall c ...
Pandas高级教程之:category数据类型
目录简介创建category 使用Series创建使用DF创建创建控制转换为原始类型 categories的操作获取category的属性重命名categories 使用add_cate ...
Pandas高级教程之:统计方法
目录简介变动百分百 Covariance协方差 Correlation相关系数 rank等级简介数据分析中经常会用到很多统计类的方法,本文将会介绍Pandas中使用到的统计方法. 变动百分百 ...
Pandas高级教程之:稀疏数据结构
目录简介 Spare data的例子 SparseArray SparseDtype Sparse的属性 Sparse的计算 SparseSeries 和 SparseDataFrame 简介如果 ...

随机推荐

轻量级日志收集方案Loki
先看看结果有多轻量吧官方文档:https://grafana.com/docs/loki/latest/ 简介 Grafana Loki 是一个日志聚合工具,它是功能齐全的日志堆栈的核心. Loki ...
五分钟搞定Docker安装ElasticSearch
前言项目准备上ElasticSearch,为了后期开发不卡壳只能笨鸟先飞,在整个安装过程中遇到以下三个问题. Docker安装非常慢 ElasticSearch-Head连接出现跨域 Elastic ...
vue中的v-cloak指令
v-cloak不需要表达式,它会在vue实例结束编译时从绑定的html元素上移除,经常和display:none;配合使用: <div id="app" v-cloak> ...
VMware workstation16 中Centos7下MySQL8.0安装过程+Navicat远程连接
1.MySQL yum源安装 2.安装后,首次登录mysql以及密码配置3.远程登录问题(Navicat15为例) 一.CentOS7+MySQL8.0,yum源安装1.安装mysql前应卸载原有my ...
新东方APP技术架构演进，分布式系统架构经验分享
今天的演讲题目是"新东方APP技术架构演进, C端技术经验分享" 作者:张建鑫, 曾任IBM高级软件架构师, 滴滴高级技术专家, 现任新东方集团高级技术总监古代东西方的思想家都产 ...
[bug]spring项目通过反射测试私有方法时，注入对象异常
背景遇到问题:在进行Spring单元测试编写时,发现被测方法是一个私有方法,无法直接通过注入对象调用解决思路:首先想到通过反射获取该私有方法的访问权限,并传入注入对象,最终调用对象的私有方法. 出 ...
AWS扩容EC2实例根空间
文章原文 aws 端操作先在EC2 实例中选中磁盘然后打开跟设备修改大小后保存 ec2 端操作 lsblk 查看当前设备的磁盘编号 df -T -H 查看扩容前的空间大小并确定磁盘格式 grow ...
shp平滑处理
在做图像数据处理时,经常会有栅格数据转矢量数据的操作,转换后的矢量文件会存在锯齿状边缘,不太美观,因此常常需要对矢量(shp)文件做平滑处理. 1 利用arcgis实现shp的平滑和简化 ArcToo ...
Robot Framework（14）- Variables 表的详细使用和具体例子
如果你还想从头学起Robot Framework,可以看看这个系列的文章哦! https://www.cnblogs.com/poloyy/category/1770899.html Variable ...
shell脚本中select循环语句用法
shell脚本中select循环语句 1. 脚本中select的语法格式 select VAR in LIST do command1 command2 ... ... commandN done s ...

Pandas高级教程之:时间处理

简介