点击跳转 《Pandas系列目录》

---

文章目录

1. Timestamp2. DatetimeIndex与PeriodIndex3. 加减时间数据

---

1. Timestamp

时间类中最基础的一种，也是最常用的。多数情况下，时间相关的字符串都会转换成Timestamp

to_datetime()，能够实现这一目标

order['lock_time'] = pd.to_datetime(order['lock_time'])

Timestamp类型时间是有限制的

print("min:", pd.Timestamp.min) # min: 1677-09-21 00:12:43.145225 print("max:", pd.Timestamp.max) # max: 2262-04-11 23:47:16.854775807

Timestamp类常用属性

在多数涉及时间相关的数据处理、统计分析的过程中，需要提取时间中的年份、月份等数据，使用对应的Timestamp类属性可以实现这一目的结合Python列表推导式，可以实现对DataFrame某一列时间信息数据的提取

# 转换为datetime order['lock_time'] = pd.to_datetime(order['lock_time']) year1 = [i.year for i in order['lock_time']] print('lock_time中的年份数据前5个为：', year1[:5]) month1 = [i.month for i in order['lock_time']] print('lock_time中的月份数据前5个为：', month1[:5]) day1 = [i.day for i in order['lock_time']] print('lock_time中的日期数据前5个为：', day1[:5]) weekday1 = [i.weekday_name for i in order['lock_time']] print('lock_time中的星期名称数据前5个为：', weekday1[:5]) # 使用DatetimeIndex dateIndex = pd.DatetimeIndex(order["lock_time"]) print(dateIndex.weekday_name[:5]) # 使用PeriodIndex periodIndex = pd.PeriodIndex(order["lock_time"], freq='S') print(periodIndex.weekday[:5]) # 没有weekday_name属性，0表示Monday

2. DatetimeIndex与PeriodIndex

除了将数据原始DataFrame中直接转换为Timestamp以外，还可以将数据单独提取出来转换为DatetimeIndex或PeriodIndex

DatetimeIndex：用来指代一系列时间点的数据结构

PeriodIndex：用来指代一系列时间段的数据结构

DatetimeIndex与PeriodIndex函数

除了将数据原始DataFrame中直接转换为Timestamp以外，还可以将数据单独提取出来转换为DatetimeIndex或Periodndex

# 转换为DatetimeIndex dateIndex = pd.DatetimeIndex(order["lock_time"]) # 转换为PeriodIndex periodIndex = pd.PeriodIndex(order["lock_time"], freq='S')

转换为PeriodIndex时，需要通过freq参数指定时间间隔

Y：年M：月D：日H：小时T：分钟S：秒

两个函数可以用来转换数据，还可以用来创建时间序列数据，参数非常相似

3. 加减时间数据

Timedelta类

Timedelta是时间相关的类中的一个异类，不仅能够使用正数，还能够使用负数表示单位时间，例如1秒，2分钟，3小时等使用Timedelta类，配合常规的时间相关类能够轻松实现时间的算术运算目前Timedelta函数中时间周期没有年和月

order['lock_time'] = pd.to_datetime(order['lock_time']) # 转换为datetime time1 = order['lock_time'] + pd.Timedelta(days=1) timeDelta = order['lock_time'] - pd.to_datetime('2017-1-1') # 字符串 print(timeDelta.dtypes) # timedelta64[ns] import pandas as pd order = pd.read_table('...') # 时间字符串转换为标准时间格式 order['use_start_time'] = pd.to_datetime(order['use_start_time']) order['lock_time'] = pd.to_datetime(order['lock_time']) # 订单信息表时间信息提取 year = [i.year for i in order['lock_time']] # 提取年份信息 month = [i.month for i in order['lock_time']] # 提取月份信息 day = [i.day for i in order['lock_time']] # 提取日期信息 week = [i.week for i in order['lock_time']] # 提取周信息 weekday = [i.weekday() for i in order['lock_time']] # 提取星期信息 weekname = [i.weekday_name for i in order['lock_time']] # 提取星期名称信息，出错 print('订单详情表中的前5条数据的年份信息为：', year[:5]) print('订单详情表中的前5条数据的月份信息为：', month[:5]) print('订单详情表中的前5条数据的日期信息为：', day[:5]) print('订单详情表中的前5条数据的周信息为：', week[:5]) print('订单详情表中的前5条数据的星期信息为：', weekday[:5]) print('订单详情表中的前5条数据的星期名称信息为：', weekname[:5]) # 查看订单信息表时间统计信息 timemin = order['lock_time'].min() timemax = order['lock_time'].max() print('订单最早的时间为：', timemin) print('订单最晚的时间为：', timemax) print('订单持续的时间为：', timemax - timemin) chekTime = order['lock_time'] - order['use_start_time'] print('平均点餐时间为：', chekTime.mean()) print('最小点餐时间为：', chekTime.min()) print('最大点餐时间为：', chekTime.max())