【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！