Pandas处理时间数据

Pandas主要涉及两种数据结构Series和DataFrame，Series相当于数组numpy.array类似，后者相当于有表格，有行表头index和列表头columns

介绍一下表格数据

看下图数据，这是一个爬虫下来的疫情的数据，数据特点：

1. 同一天可能有多次更新的数据
2. 有可能会有一天没有数据，针对美国这种，前期数据基本不公布

需要做的处理：

1. 希望每天仅保留最后一个时刻的数据作为当天最终结果
2. 对缺失的日期数据进行补充，即数据填充fill
   

一、读取表格数据read_csv

读取表格用的是pandas的read_csv函数

# -*- encoding: utf-8 -*-
import pandas as pd
objectname = r'E:/Project/Python/DateTime/data.csv'
csv_orz = pd.read_csv(objectname, encoding='UTF-8')
print(csv_orz.head(5))
print(type(csv_orz))

csv_orz 的数据类型是DataFrame
输出显示：

二、pandas时间数据

1、根据时间对数据进行排序

# 根据时间进行排序
DataSort = csv_orz.sort_values(by='updateTime',ascending=False)
print(DataSort.head(5))

2、根据时间数据仅保留年月日，后面的时分秒就不用
（1）可以通过字符串slice来筛选时间数据

# 仅保留年月日
DataSort['updateTime'] = DataSort.updateTime.str.slice(0, 11)
print(DataSort.head(5))
# 日期去重
DataSortDrop = DataSort.drop_duplicates(["updateTime"],keep="first") 
print(DataSortDrop.head(5))

输出的就是没有时分秒，再通过drop_duplicates把重复的去掉

（2）可以通过to_datetime转成时间格式，再用strftime来进行转换

DataSort['updateTime'] = pd.to_datetime(DataSort['updateTime'],format='%Y-%m-%d')
DataSort['updateTime'] =  DataSort['updateTime'].apply(lambda x:x.strftime('%Y-%m-%d')) 
print(DataSort.head(5))

其实第一个format=’%Y-%m-%d’没有什么作用，这个就不懂原因了，但是必须先用to_datetime转时间格式，否则是Series格式的，就没法调用strftime。

三、DataFrame数据拼接与填充

1、取第一行的数据，保存到变量DataFinal

取数据用iloc来取

DataFinal = DataSortDrop.iloc[0,:].to_frame().T
print(DataFinal)
firstDayTime = pd.to_datetime(DataFinal['updateTime'],format='%Y-%m-%d')    
print(firstDayTime) #'2020-03-24'
# 生成一个时间格式的数据，表示一天
oneDay = pd.Timedelta(weeks=0,days=1,hours=0,minutes=0,seconds=0)
firstDayTime = firstDayTime - oneDay

上面还建立了一个变量表示oneday，一天，因为时间数据之间的加减只能用时间格式的来处理，不能直接减数值1，所以要用Timedelta来处理

2、数据拼接

主要的思想：第二行的数据 nextDayTime 和前一行的数据 firstDayTime减oneday 进行比较，如果日期一致说明数据没有缺失，则用concat进行拼接上去，否则就填充的空行：

for i in range(1, len(DataSortDrop)):
    nextLineData = DataSortDrop.iloc[i,:].to_frame().T
    nextDayTime = pd.to_datetime(nextLineData['updateTime'])
    if(nextDayTime.values == firstDayTime.values):
        DataFinal = pd.concat([DataFinal, nextLineData], axis=0)
        firstDayTime = firstDayTime - oneDay
    else:
        while(firstDayTime.values != nextDayTime.values):
            data = {'updateTime':str(firstDayTime.values)[2:12]}
            emptynextData = pd.DataFrame(data,index=[i])
            # print(emptynextData)
            DataFinal = pd.concat([DataFinal, emptynextData], axis=0)       
            firstDayTime = firstDayTime - oneDay
        DataFinal = pd.concat([DataFinal, nextLineData], axis=0)  
        firstDayTime = firstDayTime - oneDay
# 数据填充用后一天的数据来做
CountryFinal = DataFinal.fillna(method='ffill')  

（1）日期与日期之间的比较用value

    if(nextDayTime.values == firstDayTime.values):

（2）通过字典的方式新建一个DataFrame数据

    data = {'updateTime':str(firstDayTime.values)[2:12]}
    emptynextData = pd.DataFrame(data,index=[i])

（3）通过concat进行数据拼接，用 axis 设置行拼接或者列拼接，它可以自动对齐updateTime数据

	DataFinal = pd.concat([DataFinal, nextLineData], axis=0)
	DataFinal = pd.concat([DataFinal, emptynextData], axis=0)

（4）数据填充，直接用后项填充，就是用前一天的数据补充空缺的数据

CountryFinal = DataFinal.fillna(method='ffill')  

四、日期数据（扩）

这里是引用：https://www.cnblogs.com/nxf-rabbit75/p/10660317.html#auto_id_0

pandas的实际类型主要分为：

• timestamp（时间戳）
• period（时期）
• timedelta（时间间隔）

常用的日期处理函数有：

• pd.to_datetime()
• pd.to_period()
• pd.date_range()
• pd.period_range
• resample

1、pd.Timestamp()时间戳

#定义timestamp
t1=pd.Timestamp('2019-01-10')
t2=pd.Timestamp('2018-12-10')
print(f't1= {t1}')
print(f't2= {t2}')
print(f't1与t2时间间隔：{(t1-t2).days}天')
#获取当前时间
now=pd.datetime.now()
print(now)
print(now.strftime('%Y-%m-%d'))

输出结果：

2、pd.Timedelta()实现datetime加减

对日期和时间进行加减实际上就是把datetime往后或往前计算，得到新的datetime。加减可以直接用+和-运算符，不过需要导入timedelta这个类：

#时间间隔
timeTmp = pd.Timedelta(days=5, minutes=50, seconds=20, milliseconds=10, microseconds=10, nanoseconds=10)
print(timeTmp)
#计算当前时间往后100天的日期
dt = now + pd.Timedelta(days=100)
#只显示年月日
print(dt.strftime('%Y-%m-%d'))

>>5 days 00:50:20.010010
>>2020-07-07

3、pd.Period()

#定义时期period，默认是A-DEC，代表年份，以12月作为最后一个月
p1=pd.Period('2019')
p2=pd.Period('2018')
print(f'p1={p1}年')
print(f'p2={p2}年')
print(f'p1和p2间隔{p1-p2}年')
#可以直接+、-整数（代表年）
print(f'十年前是{p1-10}年')
>>p1=2019年
>>p2=2018年
>>p1和p2间隔<YearEnd: month=12>年
>>十年前是2009年

通过asfreq转换时期频率

#以第一个月算,p1前面已赋值为2019年
print(p1.asfreq('M','start'))
#以最后一个月算
print(p1.asfreq('M','end'))
>>2019-01
>>2019-12

财报季度

p = pd.Period('2019Q3',freq='Q-DEC')
#起始月日
print(p.asfreq('D','start'))
#结束月日
print(p.asfreq('D','end'))
>>2019-07-01
>>2019-09-30

4、pd.to_timestamp() 时间戳和时期相互转换

print(p1.to_timestamp(how='end'))
print(p1.to_timestamp(how='start'))
>>2019-12-31 23:59:59.999999999
>>2019-01-01 00:00:00

5、pd.to_period() 时间戳转为时期

#t1前面赋值为'2019-1-10'
#转换为月时期
print(t1.to_period('M'))
#转换为日时期
print(t1.to_period('D'))
print(t1.to_period('W'))
>>2019-01
>>2019-01-10
>>2019-01-07/2019-01-13

6、pd.to_datetime()

pandas.to_datetime(arg，errors ='raise'，utc = None，format = None，unit = None)

（1）获取指定的时间和日期

当数据很多，且日期格式不标准时的时候，可以使用to_datetime，将DataFrame中的时间转换成统一标准。
例如：df[’'date]数据类型为“object”，通过pd.to_datetime将该列数据转换为时间类型，即datetime。

df['date_formatted']=pd.to_datetime(df['date'],format='%Y-%m-%d')

value = '2019-04-06'
print(pd.datetime.strptime(value,'%Y-%m-%d'))
//>>2019-01-07/2019-01-13
datastrs = ['2019-04-06 10:00:01','2019-4-8 10:00:03']
print(pd.to_datetime(datastrs))
//>>DatetimeIndex(['2019-04-06 10:00:01', '2019-04-08 10:00:03'], dtype='datetime64[ns]', freq=None)

常用时间：

类别	解释
year	年
month	月
day	日
hour	时
minute	分
second	秒
microsecond	微秒
nanosecond	纳秒
date	返回日期
time	返回时间
dayofyear	年序日
weekofyear	年序周
week	周
dayofweek	周中的第几天，Monday=0, Sunday=6
weekday	周中的第几天，Monday=0, Sunday=6
weekday_name	星期
quarter	季度
days_in_month	一个月中有多少天
is_month_start	是否月初第一天
is_month_end	是否月末最后一天
is_quarter_start	是否季度第一天
is_quarter_end	是否季度最后一天
is_year_start	是否年初第一天
is_year_end	是否年末最后一天

（2）to_datetime可以处理那些被认为是缺失值的值(None、空字符串)

idx = pd.to_datetime(datastrs + [None])
print(idx)
print(idx[2])
print(pd.isnull(idx))

结果输出：

>>DatetimeIndex(['2019-04-06 10:00:01', '2019-04-08 10:00:03', 'NaT'], dtype='datetime64[ns]', freq=None)
>>NaT
>>[False False  True]

（3）将Str和Unicode转化为时间格式

这里偷懒，直接贴图，但是data.ORIGINAL_DUE_DATE_1[0]，这是不存在的，大家理解就好：

7、strptime和strftime

（1）字符串转换成datetime格式: strptime

用户输入的日期和时间是字符串，要处理日期和时间，首先必须把str转换为datetime。转换方法是通过datetime.strptime()实现，需要一个日期和时间的格式化字符串：

df_data1  = pd.DataFrame(columns=['date','values'])
df_data1['date'] = ['2019-01-01','2019-01-02','2019-01-03','2019-01-04','2019-01-05']
df_data1['values'] = np.random.randn(5)
print(df_data1)

df_data1['date'] = df_data1['date'].map(lambda x:pd.datetime.strptime(x,'%Y-%m-%d'))
print(df_data1)

结果显示：

注意转换后的datetime是没有时区信息的。
举例：将分开的年月日时整合，并设置为索引
数据集：

from datetime import datetime
# load data
def parse(x):
    return datetime.strptime(x, '%Y %m %d %H')
dataset = read_csv('raw.csv',  parse_dates = [['year', 'month', 'day', 'hour']], index_col=0, date_parser=parse)
dataset.drop('No', axis=1, inplace=True)
# manually specify column names
dataset.columns = ['pollution', 'dew', 'temp', 'press', 'wnd_dir', 'wnd_spd', 'snow', 'rain']
dataset.index.name = 'date'

（2）datetime变回string格式: strftime

如果已经有了datetime对象，要把它格式化为字符串显示给用户，就需要转换为str，转换方法是通过strftime()实现的，同样需要一个日期和时间的格式化字符串：

df_data  = pd.DataFrame(columns=['date','values'])
df_data['date'] = pd.date_range('2019/01/01',periods=5)
df_data['values'] = np.random.randn(5)
print(df_data)

用strftime把datetime格式的时间数据转换成string

df_data['date'] = df_data['date'].apply(lambda x:x.strftime('%Y/%m')) #datetime格式转成str

以下是时间格式定义:

代码  说明
%Y  4位数的年
%y  2位数的年
%m  2位数的月[01,12]
%d  2位数的日[01，31]
%H  时（24小时制）[00,23]
%l  时（12小时制）[01,12]
%M  2位数的分[00,59]
%S  秒[00,61]有闰秒的存在
%w  用整数表示的星期几[0（星期天），6]
%F  %Y-%m-%d简写形式例如，2017-06-27
%D  %m/%d/%y简写形式

想偷懒的可以直接下载代码，另外数据也在：

https://download.csdn.net/download/im6520/12283247

主要参考：

1. pandas处理时间序列（1）：pd.Timestamp()、pd.Timedelta()、pd.datetime( )、 pd.Period()、pd.to_timestamp()、datetime.strftime()、pd.to_datetime( )、pd.to_period()