pandas根據時間（日期）跨度處理數據

簡介

  最近給同學幫忙的時候需要按一個時間（日期）范圍內的數據進行一些統計和處理，而且期望這個時間范圍是一個可以修改的參數，這里順便記錄和分享一下。數據不方便放上來，這里就自己隨便模擬一些數據出來。

代碼

  主要使用要pandas和datetime這兩個庫。我們先生成模擬數據

import pandas as pd
import datetime
df = pd.DataFrame(
  {
    'Symbol':['A','A','A', 'B', 'B', 'C', 'C', 'C'] ,
    'Msg':['AAA','AAA','AAC', 'BBB', 'BBC', 'CCC', 'CCC', 'CCD'] ,
    'Date':['02/20/2015','01/15/2016','02/21/2015', '02/24/2015','03/01/2015', '02/22/2015','01/17/2015','03/21/2015']
  }
)

① 先將日期轉變為pandas中的日期類型，排序方式為升序。為了后面能根據時間范圍篩選數據，還需要將索引設置為日期。

df['Date'] =pd.to_datetime(df.Date)
df = df.sort_values(by='Date', ascending=True)
df.index = df['Date']

② 利用 datetime.timedelta 自動計算。假設我們需要以7天為單位來處理數據，我們設置好起始時間，然后利用 datetime.timedelta 幫助我們計算終止時間（7天后的日期）。然后取出這范圍內的數據即可。

start = datetime.datetime.strptime(str(df['Date'][0]), '%Y-%m-%d %H:%M:%S')
end = start + datetime.timedelta(days=7)
df[start: end]

③ 基本的使用就是上面那個樣子，現在我們寫個函數來自動取出每個時間范圍內的數據就可以了，我們還需要知道數據集的時間跨度，以設置循環次數。

import math
delta = 7                                             # 處理的時間范圍
day_num = (df['Date'].max() - df['Date'].min()).days  # 數據集的時間跨度
loop_num = math.ceil(day_num / delta)                 # 計算循環次數
start = datetime.datetime.strptime(str(df['Date'][0]), '%Y-%m-%d %H:%M:%S')
end = start + datetime.timedelta(days=delta)
for _ in range(loop_num):
    df_period = df[start: end]
    print('處理%s至%s' % (start, end))
    start = end
    end += datetime.timedelta(days=delta)

timedelta 支持的時間單位如下圖所示，可以根據實際情況和需要進行選擇，更改單位時注意循環上限即可。