Pandas日期數據處理：如何按日期篩選、顯示及統計數據

 

前言

pandas有着強大的日期數據處理功能，本期我們來了解下pandas處理日期數據的一些基本功能，主要包括以下三個方面：

• 按日期篩選數據
• 按日期顯示數據
• 按日期統計數據

運行環境為 windows系統，64位，python3.5。

1 讀取並整理數據

• 首先引入pandas庫

  import pandas as pd
  

• 從csv文件中讀取數據

df = pd.read_csv('date.csv', header=None)
print(df.head(2))

            0  1
0  2013-10-24  3
1  2013-10-25  4

• 整理數據

df.columns = ['date','number']
df['date'] = pd.to_datetime(df['date']) #將數據類型轉換為日期類型
df = df.set_index('date') # 將date設置為index
print(df.head(2))
print(df.tail(2))
print(df.shape)

            number
date              
2013-10-24       3
2013-10-25       4
            number
date              
2017-02-14       6
2017-02-22       6
(425, 1)

• df的行數一共是425行。

查看Dataframe的數據類型

print(type(df))
print(df.index)
print(type(df.index))

<class 'pandas.core.frame.DataFrame'>
DatetimeIndex(['2013-10-24', '2013-10-25', '2013-10-29', '2013-10-30',
               '2013-11-04', '2013-11-06', '2013-11-08', '2013-11-12',
               '2013-11-14', '2013-11-25',
               ...
               '2017-01-03', '2017-01-07', '2017-01-14', '2017-01-17',
               '2017-01-23', '2017-01-25', '2017-01-26', '2017-02-07',
               '2017-02-14', '2017-02-22'],
              dtype='datetime64[ns]', name='date', length=425, freq=None)
<class 'pandas.tseries.index.DatetimeIndex'>

構造Series類型數據

s = pd.Series(df['number'], index=df.index)
print(type(s))
s.head(2)

<class 'pandas.core.series.Series'>

date
2013-10-24    3
2013-10-25    4
Name: number, dtype: int64

2 按日期篩選數據

按年度獲取數據

print('---------獲取2013年的數據-----------')
print(df['2013'].head(2)) # 獲取2013年的數據
print(df['2013'].tail(2)) # 獲取2013年的數據

---------獲取2013年的數據-----------
            number
date              
2013-10-24       3
2013-10-25       4
            number
date              
2013-12-27       2
2013-12-30       2

獲取2016至2017年的數據

print('---------獲取2016至2017年的數據-----------')
print(df['2016':'2017'].head(2))  #獲取2016至2017年的數據
print(df['2016':'2017'].tail(2))  #獲取2016至2017年的數據

---------獲取2016至2017年的數據-----------
            number
date              
2016-01-04       4
2016-01-07       6
            number
date              
2017-02-14       6
2017-02-22       6

獲取某月的數據

print('---------獲取某月的數據-----------')
print(df['2013-11']) # 獲取某月的數據

---------獲取某月的數據-----------
            number
date              
2013-11-04       1
2013-11-06       3
2013-11-08       1
2013-11-12       5
2013-11-14       2
2013-11-25       1
2013-11-29       1

獲取具體某天的數據

• 請注意dataframe類型的數據，獲取具體某天的數據時，跟series是有些差異的，詳細情況如下述代碼所示：

# 按日期篩選數據
print('---------獲取具體某天的數據-----------')
# 獲取具體某天的數據
print(s['2013-11-06'])

# 獲取具體某天的數據，用datafrme直接選取某天時會報錯，而series的數據就沒有問題
# print(df['2013-11-06'])

#可以考慮用區間來獲取某天的數據
print(df['2013-11-06':'2013-11-06'])

---------獲取具體某天的數據-----------
3
            number
date              
2013-11-06       3

• dataframe的truncate函數可以獲取某個時期之前或之后的數據，或者某個時間區間的數據
• 但一般建議直接用切片（slice），這樣更為直觀，方便

# dataframe的truncate函數可以獲取某個時期之前或之后的數據，或者某個時間區間的數據
# 但一般建議直接用切片（slice），這樣更為直觀，方便
print('---------獲取某個時期之前或之后的數據-----------')
print('--------after------------')
print(df.truncate(after = '2013-11'))
print('--------before------------')
print(df.truncate(before='2017-02'))

---------獲取某個時期之前或之后的數據-----------
--------after------------
            number
date              
2013-10-24       3
2013-10-25       4
2013-10-29       2
2013-10-30       1
--------before------------
            number
date              
2017-02-07       8
2017-02-14       6
2017-02-22       6

3 按日期顯示數據

3.1 to_period()方法

• 請注意df.index的數據類型是DatetimeIndex；
• df_peirod的數據類型是PeriodIndex

按月顯示，但不統計

df_period = df.to_period('M') #按月顯示，但不統計
print(type(df_period))

print(type(df_period.index))
# 請注意df.index的數據類型是DatetimeIndex；
# df_peirod的數據類型是PeriodIndex

print(df_period.head())

<class 'pandas.core.frame.DataFrame'>
<class 'pandas.tseries.period.PeriodIndex'>
         number
date           
2013-10       3
2013-10       4
2013-10       2
2013-10       1
2013-11       1

按季度顯示，但不統計

print(df.to_period('Q').head()) #按季度顯示，但不統計

        number
date          
2013Q4       3
2013Q4       4
2013Q4       2
2013Q4       1
2013Q4       1

按年度顯示，但不統計

print(df.to_period('A').head()) #按年度顯示，但不統計

      number
date        
2013       3
2013       4
2013       2
2013       1
2013       1

3.2 asfreq()方法

按年度頻率顯示

df_period.index.asfreq('A') # 'A'默認是'A-DEC',其他如'A-JAN'

PeriodIndex(['2013', '2013', '2013', '2013', '2013', '2013', '2013', '2013',
             '2013', '2013',
             ...
             '2017', '2017', '2017', '2017', '2017', '2017', '2017', '2017',
             '2017', '2017'],
            dtype='period[A-DEC]', name='date', length=425, freq='A-DEC')

df_period.index.asfreq('A-JAN') # 'A'默認是'A-DEC',其他如'A-JAN'

PeriodIndex(['2014', '2014', '2014', '2014', '2014', '2014', '2014', '2014',
             '2014', '2014',
             ...
             '2017', '2017', '2017', '2017', '2017', '2017', '2017', '2018',
             '2018', '2018'],
            dtype='period[A-JAN]', name='date', length=425, freq='A-JAN')

• 按年度頻率在不同情形下的顯示，可參考下圖所示：
  

按季度頻率顯示

df_period.index.asfreq('Q') # 'Q'默認是'Q-DEC',其他如“Q-SEP”，“Q-FEB”

PeriodIndex(['2013Q4', '2013Q4', '2013Q4', '2013Q4', '2013Q4', '2013Q4',
             '2013Q4', '2013Q4', '2013Q4', '2013Q4',
             ...
             '2017Q1', '2017Q1', '2017Q1', '2017Q1', '2017Q1', '2017Q1',
             '2017Q1', '2017Q1', '2017Q1', '2017Q1'],
            dtype='period[Q-DEC]', name='date', length=425, freq='Q-DEC')

df_period.index.asfreq('Q-SEP') # 可以顯示不同的季度財年，“Q-SEP”，“Q-FEB”
# df_period.index = df_period.index.asfreq('Q-DEC') # 可以顯示不同的季度財年，“Q-SEP”，“Q-FEB”
# print(df_period.head())

PeriodIndex(['2014Q1', '2014Q1', '2014Q1', '2014Q1', '2014Q1', '2014Q1',
             '2014Q1', '2014Q1', '2014Q1', '2014Q1',
             ...
             '2017Q2', '2017Q2', '2017Q2', '2017Q2', '2017Q2', '2017Q2',
             '2017Q2', '2017Q2', '2017Q2', '2017Q2'],
            dtype='period[Q-SEP]', name='date', length=425, freq='Q-SEP')

• 按季度頻率在不同情形下的顯示，可參考下圖所示：
  

按月度頻率顯示

df_period.index.asfreq('M') # 按月份顯示

PeriodIndex(['2013-10', '2013-10', '2013-10', '2013-10', '2013-11', '2013-11',
             '2013-11', '2013-11', '2013-11', '2013-11',
             ...
             '2017-01', '2017-01', '2017-01', '2017-01', '2017-01', '2017-01',
             '2017-01', '2017-02', '2017-02', '2017-02'],
            dtype='period[M]', name='date', length=425, freq='M')

按工作日顯示

• method 1

df_period.index.asfreq('B', how='start') # 按工作日期顯示

PeriodIndex(['2013-10-01', '2013-10-01', '2013-10-01', '2013-10-01',
             '2013-11-01', '2013-11-01', '2013-11-01', '2013-11-01',
             '2013-11-01', '2013-11-01',
             ...
             '2017-01-02', '2017-01-02', '2017-01-02', '2017-01-02',
             '2017-01-02', '2017-01-02', '2017-01-02', '2017-02-01',
             '2017-02-01', '2017-02-01'],
            dtype='period[B]', name='date', length=425, freq='B')

• method 2

df_period.index.asfreq('B', how='end') # 按工作日期顯示

PeriodIndex(['2013-10-31', '2013-10-31', '2013-10-31', '2013-10-31',
             '2013-11-29', '2013-11-29', '2013-11-29', '2013-11-29',
             '2013-11-29', '2013-11-29',
             ...
             '2017-01-31', '2017-01-31', '2017-01-31', '2017-01-31',
             '2017-01-31', '2017-01-31', '2017-01-31', '2017-02-28',
             '2017-02-28', '2017-02-28'],
            dtype='period[B]', name='date', length=425, freq='B')

4 按日期統計數據

4.1按日期統計數據

按周統計數據

print(df.resample('w').sum().head())
# “w”，week

            number
date              
2013-10-27     7.0
2013-11-03     3.0
2013-11-10     5.0
2013-11-17     7.0
2013-11-24     NaN

按月統計數據

print(df.resample('M').sum().head())
# "MS"是每個月第一天為開始日期, "M"是每個月最后一天

            number
date              
2013-10-31      10
2013-11-30      14
2013-12-31      27
2014-01-31      16
2014-02-28       4

按季度統計數據

print(df.resample('Q').sum().head())
# "QS"是每個季度第一天為開始日期, "Q"是每個季度最后一天

            number
date              
2013-12-31      51
2014-03-31      73
2014-06-30      96
2014-09-30     136
2014-12-31     148

按年統計數據

print(df.resample('AS').sum())
# "AS"是每年第一天為開始日期, "A是每年最后一天

            number
date              
2013-01-01      51
2014-01-01     453
2015-01-01     743
2016-01-01    1552
2017-01-01      92

• 關於日期的類型，按參考下圖所示來選擇合適的分期頻率：
  

4.2 按日期統計后，按年或季度或月份顯示

按年統計並顯示

print(df.resample('AS').sum().to_period('A'))
# 按年統計並顯示

      number
date        
2013      51
2014     453
2015     743
2016    1552
2017      92

按季度統計並顯示

print(df.resample('Q').sum().to_period('Q').head())
# 按季度統計並顯示

        number
date          
2013Q4      51
2014Q1      73
2014Q2      96
2014Q3     136
2014Q4     148

按月度統計並顯示

print(df.resample('M').sum().to_period('M').head())
# 按月度統計並顯示

         number
date           
2013-10      10
2013-11      14
2013-12      27
2014-01      16
2014-02       4

更多精彩內容請關注微信公眾號：

“Python數據之道”

 

​