pandas中對 時間 這個屬性的處理有非常非常多的操作。
應用情景是這樣的：考慮到有乙個資料集，資料集中有使用者註冊賬號的時間（年-月-日），如下圖格式。
如果我們希望對使用者賬號註冊時間轉為具體的天數，我們可以用如下**。
import pandas as pd
td=data['user_reg_tm']
time=pd.to_datetime(td)
start=pd.datetime(2016,4,16)
day=start-time
最後，把天數插入到原來的表中
data['day']=day
下面簡單的說一下乙個時間的建立一些細節。
date=pd.series(['2016411'])
pd.to_datetime(date)
這樣就建立乙個時間為 2016-4-11的時間值。
這裡有個細節，就是字串裡的時間格式，年月日之間如果沒有分隔，pandas會自動用-號分開，如果要自己手動分隔，例如
date=pd.series(['2016-4-11'])
這也可以，或者用/號。但是注意，只能用- 或者/來進行分隔，不可使用程式設計客棧別的。
有時候我們還需要有時分秒的資訊。
date=pd.series(['2016-4-11 12:12:12'])
最後再說下程式設計客棧乙個問題，上面我獲得的天數後我們怎麼單獨取出「天數」來呢？
很簡單，用.days來訪問。
對於 series型別，用 data.dt.days
對於 timedelta型別，可以直接訪問 即 data.days。
例如：因為data['day']是series型別的
data['day'].dt.days
因為day是timedelta型別的
day.days
本文標題: python pandas資料中對時間的操作
本文位址: /jiaoben/python/267103.html
python Pandas讀取資料
import pandas as pd fpath 檔案路徑 df pd.read csv fpath 使用pd.read csv讀取資料 df.head 檢視前幾行資料 df.shape 檢視資料的形狀返回df的行數和列數 df.columns 檢視df的列名 df.index 檢視索引列 df....
Python Pandas中Series用法總結
本文對pandas包中的一維資料型別series特點及用法進行了總結歸納。匯入pandas包 import pandas as pd 建立series 1.1.1 通過列表list listser pd.series 10 20,30 40 print listser 1.1.2 通過字典dict ...
python pandas資料分組相關
資料的分組 先初始化資料 import pandas as pd import numpy as np data df pd.dataframe data groupby 分組使用groupby函式，與mysql的相同 分組之後從乙個df變成group物件，裡面是多個df group物件再呼叫聚合函...