相关文章推荐
爱看球的伤疤  ·  安卓图书馆: ...·  2 月前    · 
卖萌的枇杷  ·  Android性能优化之虚拟机调优 - 知乎·  1 年前    · 
想发财的镜子  ·  Inno Setup 编程技术全图文教程_yes·  1 年前    · 
微笑的香烟  ·  《明日之子》选手Veegee表演获赞 ...·  1 年前    · 
Code  ›  Pandas日期数据处理：如何按日期筛选、显示及统计数据 - lemonbit
https://www.cnblogs.com/lemonbit/p/6896499.html
鬼畜的钢笔
1 年前 
df.columns = ['date','number']
df['date'] = pd.to_datetime(df['date']) #将数据类型转换为日期类型
df = df.set_index('date') # 将date设置为index
print(df.head(2))
print(df.tail(2))
print(df.shape)

            number
2013-10-24       3
2013-10-25       4
            number
2017-02-14       6
2017-02-22       6
(425, 1)

  • df的行数一共是425行。
    • 

    查看Dataframe的数据类型




    

    

    print(type(df))
print(df.index)
print(type(df.index))

    <class 'pandas.core.frame.DataFrame'>
DatetimeIndex(['2013-10-24', '2013-10-25', '2013-10-29', '2013-10-30',
               '2013-11-04', '2013-11-06', '2013-11-08', '2013-11-12',
               '2013-11-14', '2013-11-25',
               '2017-01-03', '2017-01-07', '2017-01-14', '2017-01-17',
               '2017-01-23', '2017-01-25', '2017-01-26', '2017-02-07',
               '2017-02-14', '2017-02-22'],
              dtype='datetime64[ns]', name='date', length=425, freq=None)
<class 'pandas.tseries.index.DatetimeIndex'>

    构造Series类型数据
    

    s = pd.Series(df['number'], index=df.index)
print(type(s))
s.head(2)

    <class 'pandas.core.series.Series'>
2013-10-24    3
2013-10-25    4
Name: number, dtype: int64

    2 按日期筛选数据
    

    按年度获取数据
    

    print('---------获取2013年的数据-----------')
print(df['2013'].head(2)) # 获取2013年的数据
print(df['2013'].tail(2)) # 获取2013年的数据

    ---------获取2013年的数据-----------
            number
2013-10-24       3
2013-10-25       4
            number
2013-12-27       2
2013-12-30       2

    获取2016至2017年的数据
    

    print('---------获取2016至2017年的数据-----------')
print(df['2016':'2017'].head(2))  #获取2016至2017年的数据
print(df['2016':'2017'].tail(2))  #获取2016至2017年的数据

    ---------获取2016至2017年的数据-----------
            number
2016-01-04       4
2016-01-07       6
            number
2017-02-14       6
2017-02-22       6

    获取某月的数据
    

    print('---------获取某月的数据-----------')
print(df['2013-11']) # 获取某月的数据

    ---------获取某月的数据-----------
            number
2013-11-04       1
2013-11-06       3
2013-11-08       1
2013-11-12       5
2013-11-14       2
2013-11-25       1
2013-11-29       1

    获取具体某天的数据
    

  • 请注意dataframe类型的数据，获取具体某天的数据时，跟series是有些差异的，详细情况如下述代码所示：
    • 

    # 按日期筛选数据
print('---------获取具体某天的数据-----------')
# 获取具体某天的数据
print(s['2013-11-06'])
# 获取具体某天的数据，用datafrme直接选取某天时会报错，而series的数据就没有问题
# print(df['2013-11-06'])
#可以考虑用区间来获取某天的数据
print(df['2013-11-06':'2013-11-06'])

    ---------获取具体某天的数据-----------
            number
2013-11-06       3

  • dataframe的truncate函数可以获取某个时期之前或之后的数据，或者某个时间区间的数据
    • 

  • 但一般建议直接用切片（slice），这样更为直观，方便
    • 

    # dataframe的truncate函数可以获取某个时期之前或之后的数据，或者某个时间区间的数据
# 但一般建议直接用切片（slice），这样更为直观，方便
print('---------获取某个时期之前或之后的数据-----------')
print('--------after------------')
print(df.truncate(after = '2013-11'))
print('--------before------------')
print(df.truncate(before='2017-02'))

    ---------获取某个时期之前或之后的数据-----------
--------after------------
            number
2013-10-24       3
2013-10-25       4
2013-10-29       2
2013-10-30       1
--------before------------
            number
2017-02-07       8
2017-02-14       6
2017-02-22       6

    3 按日期显示数据
    

    3.1 to_period()方法
    

  • 请注意df.index的数据类型是DatetimeIndex；
    • 

  • df_peirod的数据类型是PeriodIndex
    • 

    按月显示，但不统计
    

    df_period = df.to_period('M') #按月显示，但不统计
print(type(df_period))
print(type(df_period.index))
# 请注意df.index的数据类型是DatetimeIndex；
# df_peirod的数据类型是PeriodIndex
print(df_period.head())

    <class 'pandas.core.frame.DataFrame'>
<class 'pandas.tseries.period.PeriodIndex'>
         number
2013-10       3
2013-10       4
2013-10       2
2013-10       1
2013-11       1

    按季度显示，但不统计
    

    print(df.to_period('Q').head()) #按季度显示，但不统计

            number
2013Q4       3
2013Q4       4
2013Q4       2
2013Q4       1
2013Q4       1

    按年度显示，但不统计
    

    print(df.to_period('A').head()) #按年度显示，但不统计

          number
2013       3
2013       4
2013       2
2013       1
2013       1

    3.2 asfreq()方法
    

    按年度频率显示
    

    df_period.index.asfreq('A') # 'A'默认是'A-DEC',其他如'A-JAN'

    PeriodIndex(['2013', '2013', '2013', '2013', '2013', '2013', '2013', '2013',
             '2013', '2013',
             '2017', '2017', '2017', '2017', '2017', '2017', '2017', '2017',
             '2017', '2017'],
            dtype='period[A-DEC]', name='date', length=425, freq='A-DEC')

    df_period.index.asfreq('A-JAN') # 'A'默认是'A-DEC',其他如'A-JAN'

    PeriodIndex(['2014', '2014', '2014', '2014', '2014', '2014', '2014', '2014',
             '2014', '2014',
             '2017', '2017', '2017', '2017', '2017', '2017', '2017', '2018',
             '2018', '2018'],
            dtype='period[A-JAN]', name='date', length=425, freq='A-JAN')

  • 按年度频率在不同情形下的显示，可参考下图所示：
    • 

    df_period.index.asfreq('Q') # 'Q'默认是'Q-DEC',其他如“Q-SEP”，“Q-FEB”

    PeriodIndex(['2013Q4', '2013Q4', '2013Q4', '2013Q4', '2013Q4', '2013Q4',
             '2013Q4', '2013Q4', '2013Q4', '2013Q4',
             '2017Q1', '2017Q1', '2017Q1', '2017Q1', '2017Q1', '2017Q1',
             '2017Q1', '2017Q1', '2017Q1', '2017Q1'],
            dtype='period[Q-DEC]', name='date', length=425, freq='Q-DEC')

    df_period.index.asfreq('Q-SEP') # 可以显示不同的季度财年，“Q-SEP”，“Q-FEB”
# df_period.index = df_period.index.asfreq('Q-DEC') # 可以显示不同的季度财年，“Q-SEP”，“Q-FEB”
# print(df_period.head())

    PeriodIndex(['2014Q1', '2014Q1', '2014Q1', '2014Q1', '2014Q1', '2014Q1',
             '2014Q1', '2014Q1', '2014Q1', '2014Q1',
             '2017Q2', '2017Q2', '2017Q2', '2017Q2', '2017Q2', '2017Q2',
             '2017Q2', '2017Q2', '2017Q2', '2017Q2'],
            dtype='period[Q-SEP]', name='date', length=425, freq='Q-SEP')

  • 按季度频率在不同情形下的显示，可参考下图所示：
    • 

    df_period.index.asfreq('M') # 按月份显示

    PeriodIndex(['2013-10', '2013-10', '2013-10', '2013-10', '2013-11', '2013-11',
             '2013-11', '2013-11', '2013-11', '2013-11',
             '2017-01', '2017-01', '2017-01', '2017-01', '2017-01', '2017-01',
             '2017-01', '2017-02', '2017-02', '2017-02'],
            dtype='period[M]', name='date', length=425, freq='M')

    按工作日显示
    

  • method 1
    • 

    df_period.index.asfreq('B', how='start') # 按工作日期显示

    PeriodIndex(['2013-10-01', '2013-10-01', '2013-10-01', '2013-10-01',
             '2013-11-01', '2013-11-01', '2013-11-01', '2013-11-01',
             '2013-11-01', '2013-11-01',
             '2017-01-02', '2017-01-02', '2017-01-02', '2017-01-02',
             '2017-01-02', '2017-01-02', '2017-01-02', '2017-02-01',
             '2017-02-01', '2017-02-01'],
            dtype='period[B]', name='date', length=425, freq='B')

  • method 2
    • 

    df_period.index.asfreq('B', how='end') # 按工作日期显示

    PeriodIndex(['2013-10-31', '2013-10-31', '2013-10-31', '2013-10-31',
             '2013-11-29', '2013-11-29', '2013-11-29', '2013-11-29',
             '2013-11-29', '2013-11-29',
             '2017-01-31', '2017-01-31', '2017-01-31', '2017-01-31',
             '2017-01-31', '2017-01-31', '2017-01-31', '2017-02-28',
             '2017-02-28', '2017-02-28'],
            dtype='period[B]', name='date', length=425, freq='B')

    4 按日期统计数据
    

    4.1按日期统计数据
    

    按周统计数据
    

    print(df.resample('w').sum().head())
# “w”，week

                number
2013-10-27     7.0
2013-11-03     3.0
2013-11-10     5.0
2013-11-17     7.0
2013-11-24     NaN

    按月统计数据
    

    print(df.resample('M').sum().head())
# "MS"是每个月第一天为开始日期, "M"是每个月最后一天

                number
2013-10-31      10
2013-11-30      14
2013-12-31      27
2014-01-31      16
2014-02-28       4

    按季度统计数据
    

    print(df.resample('Q').sum().head())
# "QS"是每个季度第一天为开始日期, "Q"是每个季度最后一天

                number
2013-12-31      51
2014-03-31      73
2014-06-30      96
2014-09-30     136
2014-12-31     148

    按年统计数据
    
print(df.resample('AS').sum())
# "AS"是每年第一天为开始日期, "A是每年最后一天

                number
2013-01-01      51
2014-01-01     453
2015-01-01     743
2016-01-01    1552
2017-01-01      92

  • 关于日期的类型，按参考下图所示来选择合适的分期频率：
    •
     
    推荐文章
    爱看球的伤疤  ·  安卓图书馆: java.lang.UnsatisfiedLinkError: dlopen failed:未找到库"libgnustl_shared.so“-腾讯云开发者社区-腾讯云
    2 月前
    卖萌的枇杷  ·  Android性能优化之虚拟机调优 - 知乎
    1 年前
    想发财的镜子  ·  Inno Setup 编程技术全图文教程_yes
    1 年前
    微笑的香烟  ·  《明日之子》选手Veegee表演获赞 孟美岐：就是喜欢-中新网
    1 年前
    今天看啥   ·   Py中国   ·   codingpro   ·   藏经阁   ·   小百科   ·   link之家   ·   卧龙AI搜索
    删除内容请联系邮箱 2879853325@qq.com
    Code - 代码工具平台
    © 2024 ~ 沪ICP备11025650号