python: 处理表格日期的常用场景和方法

1. 提取日期

有时候我们只需要从日期中提取出年、月、日等信息，以便更好地进行数据分析和可视化。可以使用dt属性实现：

# 创建一个数据集
df = pd.DataFrame({'date': ['2019-05-01 10:00:00', '2020-07-12 12:00:00', '2022-08-10 14:00:00'],
                   'value': [1, 2, 3]})

# 将日期列转化为时间格式
df['date'] = pd.to_datetime(df['date'])

# 提取年份
df['year'] = df['date'].dt.year

# 提取月份
df['month'] = df['date'].dt.month

# 提取日
df['day'] = df['date'].dt.day

# 输出数据集
print(df)

2. 计算时间差

在时间序列分析中，我们通常需要计算时间差，例如两个日期之间的天数、小时数等。可以使用timedelta实现：

# 创建一个数据集
df = pd.DataFrame({'date': ['2019-05-01 10:00:00', '2020-07-12 12:00:00', '2022-08-10 14:00:00'],
                   'value': [1, 2, 3]})

# 将日期列转化为时间格式
df['date'] = pd.to_datetime(df['date'])

# 计算两个日期之间的天数
df['days_diff'] = (df['date'] - df['date'].min()).dt.days

# 计算两个日期之间的月份数
df['months_diff'] = (df['date'].dt.year - df['date'].min().year) * 12 + (df['date'].dt.month - df['date'].min().month)

# 计算两个日期之间的年份数
df['years_diff'] = (df['date'].dt.year - df['date'].min().year)

# 输出数据集
print(df)

3. 将日期列设为索引

在时间序列分析中，我们通常需要将日期列设为索引，以便更好地进行数据分析和可视化。可以使用set_index()函数实现：

# 创建一个数据集
df = pd.DataFrame({'date': ['2019-05-01 10:00:00', '2020-07-12 12:00:00', '2022-08-10 14:00:00'],
                   'value': [1, 2, 3]})


# 将日期列转化为时间格式
df['date'] = pd.to_datetime(df['date'])


# 将日期列设为索引
df = df.set_index('date')


# 输出数据集
print(df)

4. dataframe: 日期格式转字符串

可以使用strftime()函数将日期格式的列转为字符串。

在strftime()函数中，%Y表示四位数的年份，%m表示两位数的月份，%d表示两位数的日期。可以根据需要进行调整。

下面是一个使用示例：

#如何使用strftime 

# 创建一个包含日期的dataframe
df = pd.DataFrame({'date': ['2021-10-01', '2021-10-02', '2021-10-03']})

# 将日期列转换为日期格式
df['date'] = pd.to_datetime(df['date'])

# 将日期格式的列转为字符串
df['date'] = df['date'].dt.strftime('%Y-%m-%d')

# 输出dataframe
print(df)

5. 字符串转日期格式

5.1 dataframe:字符串转日期格式 - pd.to_datetime函数

pd.to_datetime()函数是pandas中用于将字符串或者数字转化为时间格式的函数。该函数通常用于将数据集中的时间列转化为pandas能够识别的时间格式，以便更好地进行数据分析和时间序列分析。

下面是使用pd.to_datetime()函数的一个例子:

import pandas as pd

# 创建一个包含日期文本的dataframe
df = pd.DataFrame({'date': ['2021-10-01', '2021-10-02', '2021-10-03']})

# 将日期列转换为日期格式
df['date'] = pd.to_datetime(df['date'])

# 输出dataframe
print(df)

5.2 dataframe:字符串转日期格式 - strptime

除了pd.to_datetime()函数，还可以使用Python中的datetime模块中的datetime.strptime()函数将字符串转为日期格式。

下面是一个使用datetime.strptime()函数的例子：

import pandas as pd
from datetime import datetime

# 创建一个包含日期文本的dataframe
df = pd.DataFrame({'date_str': ['2021-10-01', '2021-10-02', '2021-10-03']})

# 将日期列转换为日期格式
df['date'] = df['date_str'].apply(lambda x: datetime.strptime(x, '%Y-%m-%d'))

# 输出dataframe
print(df)

在datetime.strptime()函数中，第一个参数是要转换的字符串，第二个参数是字符串的格式。例如，%Y表示四位数的年份，%m表示两位数的月份，%d表示两位数的日期。可以根据需要进行调整。

pd.to_datetime()函数在处理日期时更加灵活和方便，因此一般情况下建议使用pd.to_datetime()函数。