Python处理Excel-使用pandas处理时间格式数据
欢迎关注微信公众号：excelwork
“ 通常我们拿到数据，首先要确认的就是数据完整性和可用性，比如数据范围、数据项缺失情况、数据格式是否统一、脏数据等。同样，面对时间格式数据，我们根据所使用的工具和环境，同样要确立是否可统一进行处理、分析等”
本篇介绍主要为以下几项内容：
-
星期判别
-
年月日等周期提取
-
时间增加或减少
-
时间差计算
数据示例如下：
01 返回星期几
我们做趋势分析，通过会拉一段时间出来，这时，某些场景加上星期判别的列，会让我们更直观对比日期变化。这里我们可以利用pandas的day_day_name函数：
rawalldata['weekdate']=rawalldata['下单时间'].dt.day_name()得到的结果如下：
02 年月日等周期提取
通过日期进行日、月、年度统计的步骤在很多分析开始前不可缺少，因此，我们要提取出日期中的年份、季度、月份等。
print(rawalldata['下单时间'].dt.year)print(rawalldata['下单时间'].dt.quarter)print(rawalldata['下单时间'].dt.month)
结果如下：
得到年-月样式：
rawalldata['下单时间'].apply([lambda x:x.strftime('%Y-%m')])
03 时间增加或减少
这里说的意思的，比如想拿到2020-01-01的上周、上月、去年或未来的日期，如何快速计算拿到呢？ 如果想返回指定天数差异的日期，可利用datetime库的timedelta函数，可选参数如下：datetime.timedelta(days=0, seconds=0, microseconds=0, milliseconds=0, minutes=0, hours=0, weeks=0)
比如weeks=1，表示下周的日期、-1表示上周的日期；days=-1，表示昨天的日期、1表示明天的日期；
rawalldata['日期加减']=rawalldata['下单时间']+dt.timedelta(days=-1)结果如下：
04 时间差计算
这如果已经是时间格式数据，直接相减即可，比如这样：
print(rawalldata['日期加减']-rawalldata['下单时间'])得到结果：
如果是2020-01-10和20200101这两种类型的数据相减，一定要注意20200101 的数据格式，如果是数值型，需要转换为字符串类型，否则会按秒计算，然后再进行to_datetime转换。
rawalldata['格式转换']=pd.to_datetime(rawalldata['日期'].apply(lambda s:str(s)))