📅 Как легко работать с датами в pandas? Узнайте простые способы работы с датами в этой мощной библиотеке!

Чтобы работать с датами в Pandas, вы можете использовать объекты типа Timestamp или DateTimeIndex. Вот некоторые полезные методы, которые помогут вам:

import pandas as pd

# Преобразование столбца в тип данных даты
df['Дата'] = pd.to_datetime(df['Дата'])

# Извлечение года из даты
df['Год'] = df['Дата'].dt.year

# Извлечение месяца из даты
df['Месяц'] = df['Дата'].dt.month

# Извлечение дня недели из даты
df['День недели'] = df['Дата'].dt.day_name()
    

Как работать с датами в pandas

Pandas - это одна из наиболее популярных библиотек Python для анализа и манипуляции с данными. Она обеспечивает простой и эффективный инструментарий для работы с различными типами данных, включая даты и времена. В этой статье мы рассмотрим, как работать с датами в pandas и выполнить различные операции с ними.

Импортирование библиотеки pandas

Прежде чем начать работу с датами в pandas, необходимо импортировать библиотеку. Обычно pandas импортируют с использованием сокращенного имени 'pd'.

import pandas as pd

Создание дат

В pandas даты можно представить с использованием объекта Series или DataFrame. Вот несколько способов создания дат в pandas:

1. Создание даты из строки:

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

2. Создание даты из списка:

dates_list = ['2022-01-01', '2022-01-02', '2022-01-03']
dates = pd.to_datetime(dates_list)

3. Создание диапазона дат:

start_date = '2022-01-01'
end_date = '2022-01-31'
dates_range = pd.date_range(start_date, end_date)

Извлечение информации о датах

После создания объекта DataFrame или Series с датами, мы можем извлекать различные атрибуты и свойства даты, такие как год, месяц, день, день недели и др.

# Получить год
year = dates.year

# Получить месяц
month = dates.month

# Получить день
day = dates.day

# Получить день недели
weekday = dates.weekday

Фильтрация данных по датам

Одной из самых распространенных операций с датами является фильтрация данных на основе определенного диапазона дат.

# Фильтрация данных по диапазону дат
filtered_data = data[(data['date'] >= start_date) & (data['date'] <= end_date)]

Группировка данных по датам

В pandas можно группировать данные по дням, неделям, месяцам или другим временным периодам для проведения агрегированных вычислений.

# Группировка данных по месяцам и подсчет количества записей в каждом месяце
data.groupby(data['date'].dt.month).size()

Выполнение операций с датами

Pandas предоставляет мощные инструменты для выполнения различных операций с датами, таких как суммирование, разность, изменение формата и т. д.

# Суммирование дат
sum_dates = dates + pd.DateOffset(days=7)

# Разность между датами
diff_dates = dates - pd.to_datetime('2021-12-31')

# Изменение формата даты
formatted_date = dates.dt.strftime('%d-%m-%Y')

Работа с пропущенными значениями в датах

При работе с датами в pandas может возникнуть ситуация, когда некоторые значения отсутствуют или являются недопустимыми. Pandas предоставляет возможность обрабатывать такие пропущенные значения.

# Заполнение пропущенных значений
dates_filled = dates.fillna(pd.to_datetime('2022-01-01'))

Заключение

В этой статье мы рассмотрели основы работы с датами в pandas. Мы изучили способы создания дат, извлечение информации о датах, фильтрацию, группировку и выполнение различных операций с датами. Помните, что pandas предоставляет полезные инструменты для работы с датами, что делает его отличным выбором для анализа данных, связанных с временными рядами.