Python Pandas 时间日期处理进阶：比较、过滤与运算

在上一篇关于时间日期处理的入门文章中，我们简要介绍了 Pandas 中时间日期的基本操作。本文将在此基础上，补充一些常用的进阶处理方法。

时间日期的比较与过滤

时间日期的比较

假设我们有一个数据集 df，其结构如下所示。

在进行时间日期的比较之前，必须先对数据进行格式转换。

转换格式时，使用以下方法：

import pandas as pd
pd.to_datetime()

我们需要先将 df 数据集中的 date 列转换为时间格式。

df['date']=pd.to_datetime(df['date'])

转换完成后，可以输出数据集的数据类型以进行检查。

print df.info()

如红框所示，date 列的数据类型已转换为 datetime64[ns]，此时即可对日期进行大小判断。

1. 过滤某个时间片的数据 & 取某个时间片的数据

假设我们需要从数据集 df 中剔除 6 月 10 日之后的样本。

df[df['date']<=pd.datetime(2016,6,10)]

当然，如果我们需要提取某个特定时间片的数据，只需使用等号即可。

判断日期与星期几

2. 判断某个日期是周几

假如在数据集 df 中，我们需要为日期添加“今天是周几”的信息，可以这样做：

pd.to_datetime(df['date']).dt.weekday_name

有时候，我们只需要一个数字来量化周几，只需稍作修改：

日期的加减运算

3. 对日期做加减法。

有时，我们需要对日期进行年、月、日等时间维度的增减。此时，可以按以下方式操作：

首先，我们需要导入一个新的库。

import dateutil

1. 对日期进行增减

假如我们需要对 2016 年 3 月 1 日增加一天。

pd.datetime(2016,3,1)+dateutil.relativedelta.relativedelta(days=1)

如果需要将日期减少一天，只需将 + 号改为 - 号即可。

如果需要对年、月，甚至时、分、秒进行增减，变量名分别如下：

years
months
days
hours
minutes
seconds

判断月末、月初与闰年

2. 判断增减后的日期是否为当月最后一天 & 开始的一天

pd.to_datetime(pd.datetime(2016,3,1)+dateutil.relativedelta.relativedelta(day=1)).is_month_start

判断是否为最后一天，将 start 改为 end 即可。

4. 判断是否为闰年

pd.to_datetime(pd.datetime(2016,1,1).is_leap_year

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持本站。