用百分之20時間,學會解決百分之80的問題。
常用的庫有time、datetime。其中datetime庫是對time庫的封裝,是以使用起來更加便捷。date是指日期時間(年月日)處理,time往往更加細小的機關(小時分秒等)的時間處理。
一、datetime庫
datetime.date類
表示日期的類,常用的屬性有year、month、day。參數都為整數。
import datetime
#任何一天
someday = datetime.date(year=2018,month=1,day=1)
someday
datetime.date(2018, 1, 1)
日期的标準化格式符号
%a 星期的簡寫。如 星期三為Web
%A 星期的全寫。如 星期三為Wednesday
%b 月份的簡寫。如4月份為Apr
%B 月份的全寫。如4月份為April
%c: 日期時間的字元串表示。(如: 04/07/10 10:43:39)
%d: 日在這個月中的天數(是這個月的第幾天)
%f: 微秒(範圍[0,999999])
%H: 小時(24小時制,[0, 23])
%I: 小時(12小時制,[0, 11])
%j: 日在年中的天數 [001,366](是當年的第幾天)
%m: 月份([01,12])
%M: 分鐘([00,59])
%p: AM或者PM
%S: 秒(範圍為[00,61],為什麼不是[00, 59]
%U: 周在當年的周數當年的第幾周),星期天作為周的第一天
%w: 今天在這周的天數,範圍為[0, 6],6表示星期天
%W: 周在當年的周數(是當年的第幾周),星期一作為周的第一天
%x: 日期字元串(如:04/07/10)
%X: 時間字元串(如:10:43:39)
%y: 2個數字表示的年份
%Y: 4個數字表示的年份
%z: 與utc時間的間隔 (如果是本地時間,傳回空字元串)
%Z: 時區名稱(如果是本地時間,傳回空字元串)
以規定的格式傳回。
print(someday.strftime('%Y-%m-%d'))
2018-01-01
print(someday.strftime('%Y/%m/%d'))
2018/01/01
生成如‘2018-01-01’
someday.isoformat()
'2018-01-01'
今天
datetime.date.today()
datetime.date(2018, 2, 27)
根據給定的時間戮,傳回一個date對象
import time
datetime.date.fromtimestamp(time.time())
datetime.date(2018, 1, 4)
datetime.time類
表示時間的類,參數包括hour、minute、second、microsecond。 time類的方法同datetime類。
看看isoformat、strftime方法會傳回什麼
sometime = datetime.time(hour=12,minute=50,second=12,microsecond=10)
sometime
datetime.time(12, 50, 12, 10)
時間的格式化處理
print(sometime.isoformat())
12:50:12.000010
print(sometime.strftime('%H:%M:%S'))
12:50:12
print(sometime.strftime('%H::%M::%S'))
12::50::12
datetime.datetime類
日期實踐類,常用的參數包含year、month、day、hour、minute、second、microsecond。但是至少要包含year、month、day三個參數。
datetime.datetime(year=2018,month=1,day=1,hour=12,minute=50,second=12,microsecond=10)
datetime.datetime(2018, 1, 1, 12, 50, 12, 10)
隻含有年月日
datetime.datetime(2018,1,1)
datetime.datetime(2018, 1, 1, 0, 0)
看看isoformat、strftime方法會傳回什麼
somedatetime = datetime.datetime(2018,1,1)
#isoformat、strftime
print(somedatetime.isoformat())
2018-01-01T00:00:00
print(somedatetime.strftime('%Y-%m-%d %H:%M:%S'))
2018-01-01 00:00:00
datetime.timedelta類
表示時間間隔類,給一個時間點加上此類,即可得到一個新的時間。參數包含days、hours、minutes、seconds、microseconds。
#1天零1小時零1分零1秒又10毫秒的時間間隔
datetime.timedelta(days=1,hours=1,minutes=1,seconds=1,microseconds=10)
datetime.timedelta(1, 3661, 10)
35天間隔
datetime.timedelta(days=35)
datetime.timedelta(35)
現在+/-時間間隔操作
print(datetime.datetime.now())
2018-01-04 23:59:37.437627
print(datetime.datetime.now()+datetime.timedelta(days=35))
2018-02-08 23:59:37.438283
print(datetime.datetime.now()-datetime.timedelta(days=35))
2017-11-30 23:59:37.438775
print(datetime.datetime.now()-datetime.timedelta(hours=10))
2018-01-04 13:59:37.438987
print(datetime.datetime.now()-datetime.timedelta(hours=10,days=1))
2018-01-03 13:59:37.439190
二、time庫
常用的方法有time、localtime
import time
timestamp = time.time()
print('時間戳: ',timestamp)
時間戳: 1515081476.966094
locaoltime = time.localtime(timestamp)
print('當地時間: ',locaoltime)
當地時間: time.struct_time(tm_year=2018, tm_mon=1, tm_mday=4, tm_hour=23, tm_min=57, tm_sec=56, tm_wday=3, tm_yday=4, tm_isdst=0)
#轉化為有格式的時間,如隻顯示年月日
print(time.strftime('%Y-%m-%d %H:%M:%S',locaoltime))
2018-01-04 23:57:56
三、pandas庫時間處理函數
擷取目前時間,并傳回年月日規範格式。形如 2017-01-04
常用的方法有:
pd.date_range() 生成一個時間段
pd.bdate_range() 生成一個時間段,跟date_range()不同,可見下面代碼
df.asfreq() 生成以一定時間間隔的序列
根據始末時間生成時間段
pd.date_range(start, end, freq) 生成一個時間段
freq參數由英文(M D H Min 。。。)、英文數字結合。D表示一天,M表示一月如20D表示20天,5M表示5個月。
#生成20171011-20171030
pd.date_range('20171011', '20171030',freq='5D')
DatetimeIndex(['2017-10-11', '2017-10-16', '2017-10-21', '2017-10-26'], dtype='datetime64[ns]', freq='5D')
根據起始向後生成時間段
pd.date_range(日期字元串, periods=5, freq='T') 生成一個時間段
periods :時間段長度,整數類型
freq: 時間機關。月日時分秒。M D H ...
import pandas as pd
#20171231 12:50時間點開始,生成以月為間隔,長度為5的時間段
tm_rng = pd.date_range('20171231 12:50',periods=5,freq='M')
print(type(tm_rng))
DatetimeIndex(['2017-12-31 12:50:00', '2018-01-31 12:50:00','2018-02-28 12:50:00', '2018-03-31 12:50:00',
print(tm_rng)
<class 'pandas.core.indexes.datetimes.DatetimeIndex'>
'2018-04-30 12:50:00'],dtype='datetime64[ns]', freq='M')
根據給定時間點向前(向後)生成時間段
pd.bdate_range(end,periods,freq) 根據end時間點開始,以freq為機關,向前生成周期為period的時間序列
pd.bdate_range(start,periods,freq) 根據start時間點開始,以freq為機關,向後生成周期為period的時間序列
#向前5天
print(pd.bdate_range(end='20180101',periods=5,freq='D'))
DatetimeIndex(['2017-12-28', '2017-12-29', '2017-12-30', '2017-12-31','2018-01-01'],dtype='datetime64[ns]', freq='D')
#向後5天
print(pd.bdate_range(start='20180101',periods=5,freq='D'))
DatetimeIndex(['2018-01-01', '2018-01-02', '2018-01-03', '2018-01-04','2018-01-05'],dtype='datetime64[ns]', freq='D')
改變時間間隔
對dateframe或者series對象操作,更改對象中時間的時間間隔。
dateframe.asfreq(freq='時間間隔',method='填充方式',fill_value='對Nan值進行填充')
freq格式:M D H Min 。。。與數字結合。如20D表示20天,5M表示5個月。
method:有pad、backfill兩種填充方式
fill_value:缺失值更改為fill_value的值。
#改變時間間隔,以20天為間隔
tm_series.asfreq('20D',method='pad')
2017-12-31 12:50:00 0
2018-01-20 12:50:00 0
2018-02-09 12:50:00 1
2018-03-01 12:50:00 2
2018-03-21 12:50:00 2
2018-04-10 12:50:00 3
2018-04-30 12:50:00 4
Freq: 20D, dtype: int64
#改變時間間隔,以20天為間隔
tm_series.asfreq('20D',method='backfill')
2017-12-31 12:50:00 0
2018-01-20 12:50:00 1
2018-02-09 12:50:00 2
2018-03-01 12:50:00 3
2018-03-21 12:50:00 3
2018-04-10 12:50:00 4
2018-04-30 12:50:00 4
Freq: 20D, dtype: int64
#改變時間間隔,以100小時為間隔
tm_series.asfreq('100H')
2017-12-31 12:50:00 0.0
2018-01-04 16:50:00 NaN
2018-01-08 20:50:00 NaN
2018-01-13 00:50:00 NaN
.....
2018-04-10 12:50:00 NaN
2018-04-14 16:50:00 NaN
2018-04-18 20:50:00 NaN
2018-04-23 00:50:00 NaN
2018-04-27 04:50:00 NaN
Freq: 100H, dtype: float64
#改變時間間隔,以100小時為間隔
tm_series.asfreq('100H',fill_value='缺失值')
2017-12-31 12:50:00 0
2018-01-04 16:50:00 缺失值
2018-01-08 20:50:00 缺失值
2018-01-13 00:50:00 缺失值
.....
2018-04-14 16:50:00 缺失值
2018-04-18 20:50:00 缺失值
2018-04-23 00:50:00 缺失值
2018-04-27 04:50:00 缺失值
Freq: 100H, dtype: object
可以統一日期格式
可以統一日期格式
data = pd.Series(['May 20, 2017','2017-07-12','20170930','2017/10/11','2017 12 11'])
pd.to_datetime(data)
0 2017-05-20
1 2017-07-12
2 2017-09-30
3 2017-10-11
4 2017-12-11
dtype: datetime64[ns]
提取指定日期的資料
提取指定日期的資料
如下tm_rng是以5小時時間間隔,生成了20個資料。我們隻要2018-01-02的資料。對Series或Dataframe都可以使用日期字元串操作,選取指定時間範圍的資料。
import pandas as pd
import numpy as np
tm_rng = pd.date_range('2017-12-31 12:00:00',periods=20,freq='5H')
tm_series = pd.Series(np.random.randn(len(tm_rng)), index=tm_rng)
print(type(tm_series))
print(tm_series)
<class 'pandas.core.series.Series'>
2017-12-31 12:00:00 0.618465
2017-12-31 17:00:00 -0.963631
2017-12-31 22:00:00 -0.782348
.....
2018-01-04 06:00:00 -0.681123
2018-01-04 11:00:00 -0.710626
Freq: 5H, dtype: floa64
#我們隻要tm_series中是2018-01-02的資料
tm_series['2018-01-02']
2018-01-02 04:00:00 0.293941
2018-01-02 09:00:00 -1.437363
2018-01-02 14:00:00 -0.527275
2018-01-02 19:00:00 1.140872
Freq: 5H, dtype: float64
#我們要2018年的資料,結果全保留
tm_series['2018']
2018-01-01 03:00:00 -0.363019
2018-01-01 08:00:00 0.426922
2018-01-01 13:00:00 -1.118425
2018-01-01 18:00:00 0.956300
.....
2018-01-03 20:00:00 -1.967839
2018-01-04 01:00:00 -0.654029
2018-01-04 06:00:00 -0.681123
2018-01-04 11:00:00 -0.710626
Freq: 5H, dtype: float64
dft = pd.DataFrame(np.random.randn(len(tm_rng)), index=tm_rng)
print(type(dft))
print(dft)
<class 'pandas.core.frame.DataFrame'>
2017-12-31 12:00:00 0.213331
2017-12-31 17:00:00 1.920131
2017-12-31 22:00:00 -1.608645
2018-01-01 03:00:00 -0.226439
2018-01-01 08:00:00 -0.558741
.....
2018-01-03 20:00:00 0.866822
2018-01-04 01:00:00 -0.361902
2018-01-04 06:00:00 0.902717
2018-01-04 11:00:00 -0.431569
#對dataframe中的時間操作,隻要2018-01-04日的資料
print(type(dft['2018-01-04']))
print(dft['2018-01-04'])
<class 'pandas.core.frame.DataFrame'>
2018-01-04 01:00:00 -0.361902
2018-01-04 06:00:00 0.902717
2018-01-04 11:00:00 -0.431569