pandas日期处理相关

日期格式转换

python 复制代码

QhSelectData["交易日期"] = pd.to_datetime(QhSelectData["交易日期"], format="%Y-%m-%d")  # 转换日期格式

日期处理相关

dt对象使用属性

dt.year
dt.month
dt.day
dt.dayofweek
dt.dayofyear
dt.is_leap_year
dt.quarter
dt.weekday_name

python 复制代码

获取年、月、日，具体代码如下：
df['年'] = df['日期'].dt.year
df['月'] = df['日期'].dt.month
df['日'] = df['日期'].dt.day

获取日期所处的星期数：
df['星期几'] = df['日期'].dt.day_name()

判断日期是否在年底最后一天：
df['是否年底'] = df['日期'].dt.is_year_end

获取日期所属的季度：
df['季度'] = df['日期'].dt.quarter

4获取日期区间

当 DataFrame 对象使用日期为索引时，可以输入日期或日期区间获取数据。

设置日期为索引：

python 复制代码

df1.set_index(df1['组合日期'], inplace=True)

获取 2021 年的数据

python 复制代码

df1.loc['2021']

获取 2022 年至 2020 年的数据

python 复制代码

df1.loc['2022':'2020']

获取具体某一天的数据（如 2022 年 5 月 6 日）

五、其他常用日期操作

在实际工作中，我们可能还需要进行一些其他常用的日期操作，如计算日期差、日期偏移、日期筛选等。下面是一些实用示例。

计算日期差

要计算两个日期之间的差值，可以直接相减：

delta = df1 $'组合日期'$ .max() - df1 $'组合日期'$ .min()

print(delta)

日期偏移

要在日期上进行加减操作，可以使用 pd.DateOffset 对象。例如，给定一个日期，我们想要找到它之后的 30 天：

from pandas.tseries.offsets import DateOffset

date = pd.to_datetime('2022-05-01')

new_date = date + DateOffset(days=30)

print(new_date)

日期筛选

在处理日期时，我们可能需要根据日期进行筛选。例如，我们想要筛选出 DataFrame 中 2021 年的数据：

mask = (df1 $'组合日期'$ >= '2021-01-01') & (df1 $'组合日期'$ <= '2021-12-31')

filtered_df = df1 $mask$

print(filtered_df)

日期分组统计

在数据分析过程中，我们可能需要对日期进行分组统计。例如，我们想要按年份统计某个 DataFrame 的数据：

df1 $'年份'$ = df1 $'组合日期'$ .dt.year

grouped_df = df1.groupby('年份').count()

print(grouped_df)

这些只是一些常见的日期操作示例。实际上，Pandas 提供了丰富的日期处理工具，可以帮助我们轻松应对各种复杂的日期问题。掌握这些方法，将有助于提高我们在数据分析工作中的效率。