Pandas 如何从DateTime变量中提取特征

在数据分析中，读取和提取DateTime对象的有效信息是一项非常重要的任务。pandas包提供了一些有用的工具来从DateTime对象中提取特征。

在pandas中，可以使用series.dt()方法来访问给定时间序列的年份、月份、日期等组成部分。

series.dt()方法有一些属性，用于提取年份、月份、季度和日期等特征。在下面的示例中，我们将使用其中一些属性来提取特征。

示例1

您可以看到我们创建了一个具有10个不同时间戳的pandas series。然后，我们通过使用dt.day属性从时间序列中仅获取年份。

# importing pandas package
import pandas as pd

#creating the pandas Series
s = pd.Series(pd.date_range('2021-01-01 2:30', periods=10, freq='30H10min'))

print(s)

# access day
result = s.dt.day
print("Output:",result)

输出

下面是输出内容-

0    2021-01-01 02:30:00
1    2021-01-02 08:40:00
2    2021-01-03 14:50:00
3    2021-01-04 21:00:00
4    2021-01-06 03:10:00
5    2021-01-07 09:20:00
6    2021-01-08 15:30:00
7    2021-01-09 21:40:00
8    2021-01-11 03:50:00
9    2021-01-12 10:00:00
dtype: datetime64[ns]

Output:
0    1
1    2
2    3
3    4
4    6
5    7
6    8
7    9
8   11
9   12
dtype: int64

初始系列的第一个时间戳是 2021-01-01 02:30:00 ，随后的时间戳按照30小时10分钟递增，并且上述输出块的第二部分显示了DateTime对象中的访问日期。

示例2

对于相同的示例，应用dt.hour属性以获取10个时间戳的小时数据。

# importing pandas package
import pandas as pd

#creating the pandas Series
s = pd.Series(pd.date_range('2021-01-01 2:30', periods=10, freq='30H10min'))

print(s)

# access hour
result = s.dt.hour
print("Output:",result)

输出

下面是输出结果：

0    2021-01-01 02:30:00
1    2021-01-02 08:40:00
2    2021-01-03 14:50:00
3    2021-01-04 21:00:00
4    2021-01-06 03:10:00
5    2021-01-07 09:20:00
6    2021-01-08 15:30:00
7    2021-01-09 21:40:00
8    2021-01-11 03:50:00
9    2021-01-12 10:00:00
dtype: datetime64[ns]

Output:
0    2
1    8
2   14
3   21
4    3
5    9
6   15
7   21
8    3
9   10
dtype: int64

从上面的输出块中可以看到，通过使用hour属性，series.dt函数成功返回了小时数据。