DataFrame对时间序列的操作

我们使用pandas读取到一个DataFrame的数据集之后，里面可能会有一些时间的列，有时候我们可能需要对这些时间进行处理，但是原始的时间序列有时候处理起来非常麻烦。

这个时候就可以用到pandas将原本的时间字符串转化为标准时间

下面记录一个简单的转化方法
数据：

我们先看一下这一列数据是什么类型的

结果是object类型的，这个时候我们就不能很方便的对这些时间进行操作了，所以我们用pandas的方法将它转化为标准时间

order['lock_time'] = pd.to_datetime(order['lock_time'])

然后再来看一下它的类型

ok，已经成功转化成我们需要的类型的，然后就可以对这些时间进行操作了。

获取它的年份：

获取月份：

还有days日期，等等，下面给出一个表格，

Timestamp类常用属性及说明

属性名称	说明	属性名称	说明
year	年	week	一年中第几周
month	月	quarter	季节
day	日	weekofyear	一年中第几周
hour	小时	dayofyear	一年中的第几天
minute	分钟	dayofweek	一周中第几天
second	秒	weekday	一周第几天
date	日期	weekday_name	星期名称（英文）
time	时间	is_leap_year	是否闰年

根据这些参数就可以获取到我们自己想要的时间,值得注意的是，这些时间还能进行运算，甚至能为负数哦，那这些就是属于数据清洗那一块的了

---

下面我自己写了个例子，将每一天的星期几输出，并将其改为中文的

这是修改前输出的星期几的数据：

然后下面我进行自己写一个函数来自定义，x代表传入的星期几的单个数据

def ch(x):
    if x=='Monday':
        return '星期一'
    elif x=='Tuesday':
        return '星期二'
    elif x=='Wednesday':
        return '星期三'
    elif x=='Thursday':
        return '星期四'
    elif x=='Friday':
        return '星期五'
    elif x=='Saturday':
        return '星期六'
    elif x=='Sunday':
        return '星期日'
    else:
        return '我不知道啊啊啊'

运行结果：