Pandas系列(十六)快速进行日期处理

  Pandas日期处理的作用：将2018-01-01、1/1/2018等多种日期格式映射成统一的格式对象，在该对象上提供强大的功能支持，能够简单地对日期进行处理。

  几个概念：

• pd.to_datetime：pandas的一个函数，能将字符串、列表、series变成日期形式。对单个日期字符串处理会得到Timestamp, 对日期字符串列表处理会得到DatetimeIndex。
• Timestamp：pandas表示日期的对象形式。
• DatetimeIndex：pandas表示日期的对象列表形式。DatetimeIndex是Timestamp的列表形式。

  用图表可表示为如下形式：

读取天气数据到dataframe

将日期列转换成pandas的日期

  set_index()方法将索引设置为日期形式，此时索引的类型已经变成了datetime64的格式：

方便的对DatetimeIndex进行查询

  这种格式的index可以很方便地进行查询数据：

1. 筛选固定的某一天：

2. 日期区间：

3. 按月份前缀筛选：

4. 按月份列表筛选：

5. 按年份前缀筛选：

方便的获取周、月、季度

  Timestamp、DatetimeIndex支持大量的属性可以获取日期分量：https://pandas.pydata.org/pandas-docs/stable/user_guide/timeseries.html#time-date-components

统计每周、每月、每个季度的最高温度

  如果想要对每周，每月，每个季度的数据进行处理的话，可以采用以下方式：

1. 统计每周的数据：

2. 统计每个月的数据：

3. 统计每个季度的数据：

日期索引的缺失

  首先利用set_index()将df的索引变成日期索引：

使用pandas.reindex填充缺失的索引

使用pandas.resample方法

• resample的含义：改变数据的时间频率，比如把天数据变成月份，或者把小时数据变成分钟级别。

• resample的语法：(DataFrame or Series).resample(arguments).(aggregate function)

• resample的采样规则参数：https://pandas.pydata.org/pandas-docs/stable/user_guide/timeseries.html#offset-aliases