ToB企服应用市场:ToB评测及商务社交产业平台

标题: 【pandas小技巧】--日期相关处理 [打印本页]
作者: 万万哇    时间: 2023-8-14 12:19
标题: 【pandas小技巧】--日期相关处理
日期处理相关内容之前pandas基础系列中有一篇专门介绍过，本篇补充两个常用的技巧。
1. 多列合并为日期

当收集来的数据中，年月日等信息分散在多个列时，往往需要先合并成日期类型，然后才能做分析处理。
合并多列转换为日期类型，可以直接用 to_datetime函数来处理：
  1. import pandas as pd
  3. df = pd.DataFrame(
  4.     {
  5.         "year": ["2021", "2021",
  6.                  "2022", "2022", "2022"],
  7.         "month": ["1", "3", "4", "4", "6"],
  8.         "day": ["10", "20", "4", "4", "1"],
  9.         "value": [1, 2, 3, 4, 5],
  10.     }
  11. )
  13. df["date"] = pd.to_datetime(
  14.     df[["year", "month", "day"]]
  15. )
  16. df = df.drop(
  17.     columns=["year", "month", "day"]
  18. )
  19. df
复制代码

2. 基于日期的聚合统计

之所以要把列类型转换为日期类型，是因为pandas提供了针对日期类型的非常便利的聚合统计方法。
比如如下连续的日期数据：
  1. df = pd.DataFrame(
  2.     {
  3.         "year": ["2022", "2022", "2023",
  4.                  "2023", "2023"],
  5.         "month": ["12", "12", "1", "1", "1"],
  6.         "day": ["30", "31", "1", "1", "2"],
  7.         "value": [1, 2, 3, 4, 5],
  8.     }
  9. )
  10. df["date"] = pd.to_datetime(
  11.     df[["year", "month", "day"]]
  12. )
  13. df = df.drop(
  14.     columns=["year", "month", "day"]
  15. )
  16. df = df.loc[:, ::-1]
  17. df
复制代码

这里用了之前介绍过的一个小技巧 df.loc[:, ::-1]，把date列放在value列之前，对数据处理没有什么影响，只是为了看数据的习惯。
得到转换好的数据之后，可以通过resample函数来聚合统计。
resample是pandas提供的专门用于时间序列数据的聚合统计的。
2.1. 按年统计
  1. ysum = df.resample("Y", on="date").value.sum()
  2. ymean = df.resample("Y", on="date").value.mean()
  4. stat = pd.DataFrame({
  5.     "sum": ysum,
  6.     "mean": ymean,
  7. })
  8. stat
复制代码

示例数据只有两年的，统计后显示的是日期是年末最后一天。
这里为了演示只统计了合计值和平均值，实际可以根据情况统计需要的值。
2.2. 按月统计
  1. msum =        df.resample("M", on="date").value.sum()
  2. mmean = df.resample("M", on="date").value.mean()
  3. stat = pd.DataFrame({
  4.     "sum": msum,
  5.     "mean": mmean,
  6. })
  7. stat
复制代码

统计后显示的日期是每个月月末的日期。
2.3. 按日统计
  1. dsum = df.resample("D", on="date").value.sum()
  2. dmean = df.resample("D", on="date").value.mean()
  3. stat = pd.DataFrame({
  4.     "sum": dsum,
  5.     "mean": dmean,
  6. })
  7. stat
复制代码

根据每天的日期统计。
2.4. 按季度统计
  1. qsum = df.resample("Q", on="date").value.sum()
  2. qmean = df.resample("Q", on="date").value.mean()
  3. stat = pd.DataFrame({
  4.     "sum": qsum,
  5.     "mean": qmean,
  6. })
  7. stat
复制代码

统计后显示的日期是每个季度的最后一天。
2.5. 按周统计
  1. wsum = df.resample("W", on="date").value.sum()
  2. wmean = df.resample("W", on="date").value.mean()
  4. stat = pd.DataFrame({
  5.     "sum": wsum,
  6.     "mean": wmean,
  7. })
  8. stat
复制代码

统计后显示的日期是每个周的周日。
2.6. 补充

resample函数支持的统计期间除了上面介绍的常用的年，月，日，周，季度等等，还有很多其他的期间，
具体参考：https://pandas.pydata.org/pandas-docs/stable/user_guide/timeseries.html#timeseries-offset-aliases


免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！



欢迎光临 ToB企服应用市场:ToB评测及商务社交产业平台 (https://dis.qidao123.com/) Powered by Discuz! X3.4