Pandas 如何显示某年的星期几

Pandas是一个开源的Python库，旨在进行数据操作和分析。

它提供了强大的数据结构，如Series（1维标签数组）和DataFrame（2维标签数组），可以处理不同类型的数据和操作，例如从/到各种文件格式的读取和写入数据，合并、过滤、聚合和透视数据，以及处理丢失或重复的数据。

Pandas还支持时间序列数据，并提供广泛的数据可视化功能。它的易用性、多功能性和性能使其成为数据科学家和分析师在探索性数据分析、数据清洗和特征工程任务中的常选之一。

我们知道一年有52周。在我们的情况下，我们想知道特定年份某一天是星期几。 Pandas可以非常有帮助地解决我们的问题，只需要几行代码就可以提供我们所需的所有日期。

语法

要在Pandas中显示某年的星期几，需要遵循以下语法 –

range_of_dates = pandas.date_range(start, periods, freq)
result = pandas.Series(range_of_dates)
print(result)

该语法使用pandas.date_range()函数创建了一个日期范围，并使用结果日期范围使用pandas.Series()函数创建了一个Pandas系列。

pandas.date_range()函数接受三个参数 –

start - 范围的起始日期。
periods - 范围中的周期数。
freq - 范围的频率。

生成的日期范围存储在range_of_dates变量中。然后，使用pandas.Series()函数使用range_of_dates变量创建了一个名为result的Pandas系列。

示例

此代码通过别名pd导入了Pandas库。将变量day和yy定义为字符串。然后，使用这些变量创建了一个日期范围，该范围为52周，起始日期为yy变量中指定的年份的1月1日，频率为每周的特定星期几指定为day变量。最后，我们得到了2023年中所有星期一的日期。

具体来说，pd.date_range()函数用于创建一个日期范围，起始日期设置为yy+’-01-01’，表示yy变量中指定年份的1月1日。periods参数设置为52，以创建52周的日期范围。freq参数设置为’W-‘+(day[:3]).lower()，其中(day[:3]).lower()提取day字符串的前三个字符并将它们转换为小写，’W-‘表示以一周的特定星期几结束，从而导致在指定星期几的每周频率。

生成的日期范围存储在range_of_dates变量中，然后将其作为参数传递给pd.Series()函数，以创建一个名为result的Pandas系列。然后，将result变量的值显示在输出中。

import pandas as pd
day = "monday"
yy = "2023"
range_of_dates = pd.date_range(yy+'-01-01', periods=52, freq=('W-'+(day[:3]).lower()))
result = pd.Series(range_of_dates)
print(result)

输出

0    2023-01-02
1    2023-01-09
2    2023-01-16
3    2023-01-23
4    2023-01-30
5    2023-02-06
6    2023-02-13
7    2023-02-20
8    2023-02-27
9    2023-03-06
10   2023-03-13
11   2023-03-20
12   2023-03-27
13   2023-04-03
14   2023-04-10
15   2023-04-17
16   2023-04-24
17   2023-05-01
18   2023-05-08
19   2023-05-15
20   2023-05-22
21   2023-05-29
22   2023-06-05
23   2023-06-12
24   2023-06-19
25   2023-06-26
26   2023-07-03
27   2023-07-10
28   2023-07-17
29   2023-07-24
30   2023-07-31
31   2023-08-07
32   2023-08-14
33   2023-08-21
34   2023-08-28
35   2023-09-04
36   2023-09-11
37   2023-09-18
38   2023-09-25
39   2023-10-02
40   2023-10-09
41   2023-10-16
42   2023-10-23
43   2023-10-30
44   2023-11-06
45   2023-11-13
46   2023-11-20
47   2023-11-27
48   2023-12-04
49   2023-12-11
50   2023-12-18
51   2023-12-25
dtype: datetime64[ns]

示例

这段代码与之前的代码类似，但对变量day和yr进行了一些更改。具体而言，day现在被设置为全部大写的”FRIDAY”，而year则被设置为”2023″。

代码还使用pd.date_range()函数创建了一个日期范围，从yr变量指定的年份的1月1日开始，共有52个周期，频率为每周的特定星期几（在这种情况下是星期五）。频率使用字符串格式’W-‘+(day[:3]).lower()指定，它提取字符串day的前三个字符，使用lower()方法将它们转换为小写，并将它们附加到’W-‘，表示每周频率的特定星期几。

生成的日期范围存储在range_of_dates变量中，然后将其作为参数传递给pd.Series()函数，以创建名为result的Pandas系列。最后，在输出中显示result变量。

import pandas as pd
day = "FRIDAY"
yr = "2023"
range_of_dates = pd.date_range(yr+'-01-01', periods=52, freq=('W-'+(day[:3]).lower()))
result = pd.Series(range_of_dates)
print(result)

输出

0    2023-01-06
1    2023-01-13
2    2023-01-20
3    2023-01-27
4    2023-02-03
5    2023-02-10
6    2023-02-17
7    2023-02-24
8    2023-03-03
9    2023-03-10
10   2023-03-17
11   2023-03-24
12   2023-03-31
13   2023-04-07
14   2023-04-14
15   2023-04-21
16   2023-04-28
17   2023-05-05
18   2023-05-12
19   2023-05-19
20   2023-05-26
21   2023-06-02
22   2023-06-09
23   2023-06-16
24   2023-06-23
25   2023-06-30
26   2023-07-07
27   2023-07-14
28   2023-07-21
29   2023-07-28
30   2023-08-04
31   2023-08-11
32   2023-08-18
33   2023-08-25
34   2023-09-01
35   2023-09-08
36   2023-09-15
37   2023-09-22
38   2023-09-29
39   2023-10-06
40   2023-10-13
41   2023-10-20
42   2023-10-27
43   2023-11-03
44   2023-11-10
45   2023-11-17
46   2023-11-24
47   2023-12-01
48   2023-12-08
49   2023-12-15
50   2023-12-22
51   2023-12-29
dtype: datetime64[ns]