pandas 今日时间|极客笔记

pandas 今日时间

在数据分析和处理中，经常需要处理时间相关的数据。Pandas 是一个强大的 Python 库，提供了许多方便的方法来操作时间数据。在本文中，我们将详细介绍如何使用 Pandas 处理时间数据，包括获取当前时间、创建时间序列、进行时间运算等操作。

获取当前时间

要获取当前时间，可以使用 Pandas 中的 pd.Timestamp.now() 方法。下面是一个示例：

import pandas as pd

now = pd.Timestamp.now()
print(now)

运行以上代码，将会输出当前的时间，格式为 2022-01-17 18:12:45.977367。可以看到，Pandas 会以 YYYY-MM-DD HH:MM:SS.ms 的格式显示当前时间。

创建时间序列

在处理时间数据时，通常需要创建时间序列。Pandas 提供了 pd.date_range() 方法来创建时间序列。下面是一个示例：

import pandas as pd

dates = pd.date_range(start='2022-01-01', end='2022-01-10', freq='D')
print(dates)

运行以上代码，将会输出一个时间序列，从 2022-01-01 到 2022-01-10，每天一个时间戳。可以看到，时间序列可以很方便地通过 Pandas 创建。

时间运算

在数据分析中，经常需要对时间进行运算，比如计算时间差、时间偏移等。Pandas 提供了丰富的方法来进行时间运算。下面是一些示例：

计算时间差

import pandas as pd

start = pd.Timestamp('2022-01-01')
end = pd.Timestamp('2022-01-10')
diff = end - start
print(diff)

运行以上代码，将会输出时间差为 9 days 00:00:00。Pandas 可以很方便地计算两个时间之间的时间差。

时间偏移

import pandas as pd

start = pd.Timestamp('2022-01-01')
offset = pd.DateOffset(days=5)
new_date = start + offset
print(new_date)

运行以上代码，将会输出一个新的时间，为 2022-01-06。通过 pd.DateOffset 可以很方便地对时间进行偏移。

时间序列操作

在实际数据处理中，经常需要对时间序列进行操作，比如筛选特定时间段的数据、按时间聚合数据等。Pandas 提供了强大的时间序列操作方法。下面是一些示例：

筛选特定时间段的数据

import pandas as pd

dates = pd.date_range(start='2022-01-01', end='2022-01-10', freq='D')
data = pd.Series(range(10), index=dates)

filtered_data = data['2022-01-05':'2022-01-08']
print(filtered_data)

运行以上代码，将会输出 2022-01-05 到 2022-01-08 的数据。可以通过切片操作很方便地筛选特定时间段的数据。

按时间聚合数据

import pandas as pd

dates = pd.date_range(start='2022-01-01', end='2022-01-10', freq='D')
data = pd.Series(range(10), index=dates)

monthly_data = data.resample('M').sum()
print(monthly_data)

运行以上代码，将会按月对数据进行聚合并输出。可以看到，Pandas 提供了 resample 方法可以方便地对时间序列数据进行聚合操作。