08.12.2022 в 13:06

Работа с датой и временем в фрейме данных Pandas

Одной из распространенных задач, которые вам часто приходится выполнять с фреймами данных Pandas, является манипулирование датой и временем. В зависимости от того, как значения даты и времени изначально закодированы в наборе данных, вам часто приходится затрачивать значительные усилия на манипулирование ими, чтобы вы могли использовать их для целей анализа данных. В этой статье мы введем вас в тематику даты и время в библиотеке Pandas, также вы узнаете несколько распространенных методов работы с датой и временем в ваших фреймах данных Pandas.

CSV-файлы, которые будут использованы в этой статье, следующие:

AAPL.csv — Исторический набор данных Apple (https://www.kaggle.com/datasets/prasoonkottarathil/apple-lifetime-stocks-dataset). Лицензия — CC0: Public Domain
Flights.csv — Набор данных о задержках и отменах рейсов за 2015 год (https://www.kaggle.com/datasets/usdot/flight-delays). Лицензия — CC0: Public Domain

Преобразование столбца в тип данных datetime64

Давайте загрузим файл AAPL.csv в фрейм данных Pandas:

import pandas as pd

df = pd.read_csv('AAPL.csv')
df

Вы можете проверить тип данных каждого столбца во DataFrame:

df.dtypes

Как вы можете видеть из приведенных ниже выходных данных, столбец Date представлен в виде object:

Date          object
Open         float64
High         float64
Low          float64
Close        float64
Adj Close    float64
Volume         int64
dtype: object

Вы можете преобразовать столбец Date в тип данных datetime64 с помощью функции datetime.strptime():

from datetime import datetime

df['Date'] = df['Date'].apply(
    lambda x: datetime.strptime(x,'%Y-%m-%d'))
df

Вы можете получить список кодов формата (таких как %Y, %m и %d) из https://docs.python.org/3/library/datetime.html#strftime-and-strptime-format-codes.

Теперь вы можете проверить тип данных для столбца Date:

df.dtypes

И столбец Date теперь имеет тип datetime64:

Date         datetime64[ns]
Open                float64
High                float64
Low                 float64
Close               float64
Adj Close           float64
Volume                int64
dtype: object

[ns] в datetime64[ns] определяет точность объекта DateTime в наносекундах.

Поиск строк на основе определенных дат

Преобразование столбца Date в тип данных datetime64 позволяет легко выполнять операции, связанные с датой, например, находить все строки за декабрь 2018 года:

df[(df['Date'].dt.month == 12) & 
   (df['Date'].dt.year == 2018)]

Поиск строк на основе дня недели

Вы также можете использовать атрибут dayofweek, чтобы найти определенный день недели (например, понедельник, вторник и так далее). Например, следующий оператор находит все строки, даты которых приходятся на понедельник:

# 0 is Monday, 1 is Tue, etc
df[df['Date'].dt.dayofweek == 0].sample(5)

Сортировка по дням недели

Другой распространенный сценарий, с которым вы столкнетесь при работе с датами, - это сортировка данных по дням недели (например, с понедельника по воскресенье или с воскресенья по субботу).

Вот техника, которую вы можете использовать. Сначала извлеките день недели из столбца Date (объект datetime64[ns]), используя функцию strftime():

df['Day'] = df['Date'].apply(
    lambda x: x.strftime('%a'))
df

Извлеченный день недели сохраняется в новом столбце с именем Day:

Затем вы определяете порядок дат, которые вы хотите заказать:

#---define your category order---
cats = ['Mon','Tue','Wed','Thu','Fri'] # omit Sat and Sun

В приведенном выше примере опустим субботу и воскресенье, поскольку нет данных о запасах за эти два дня (выходные).

Затем создайте новый категориальный тип данных, используя класс CategoricalDtype, передав порядок дней, который вы определили ранее:

from pandas.api.types import CategoricalDtype

cat_type = CategoricalDtype(categories=cats, ordered=True)

Наконец, преобразуйте столбец Day в новый категориальный тип, который вы только что создали:

#---cast the Day column as categorical---
df['Day'] = df['Day'].astype(cat_type)
df.dtypes

Теперь вы можете видеть, что Day относится к типу данных category:

Date           object
Open          float64
High          float64
Low           float64
Close         float64
Adj Close     float64
Volume          int64
Day          category
dtype: object

Если вы хотите распечатать все данные о запасах, отсортированные по дням недели, теперь вы можете использовать функцию groupby():

for _, gp in df.groupby('Day'):
    display(gp.sample(3))

Обратите внимание, что группы отсортированы по дням, сначала понедельник, затем вторник и т.д.:

Если вы хотите, чтобы сначала отображались Tues, затем Wed и так далее, измените порядок в переменной cats:

cats = ['Tue','Wed','Thu','Fri','Mon'] # omit Sat and Sun
cat_type = CategoricalDtype(categories=cats, ordered=True)

#---cast the Day column as categorical---
df['Day'] = df['Day'].astype(cat_type)

for _, gp in df.groupby('Day'):
    display(gp.sample(3))

Преобразование столбцов даты и времени во время загрузки

В предыдущем разделе вы преобразовали столбец Date в тип данных datetime64 после того, как весь CSV-файл был загружен в DataFrame. Другим способом сделать то же самое было бы выполнить преобразование во время загрузки CSV с использованием параметра parse_dates:

df = pd.read_csv("AAPL.csv", parse_dates=['Date'])

Параметр parse_dates указывает столбец (столбцы) для анализа как объект datetime64.

Обратите внимание, что если параметру parse_dates присвоено значение True, Pandas попытается проанализировать индекс как объект datetime64

Анализ нескольких столбцов в качестве даты

Иногда даты в наборе данных хранятся отдельно в разных столбцах, например, один столбец для года, один столбец для месяцев и т.д. Хотя у сохранения данных таким образом есть свои плюсы и минусы, иногда бывает проще, если все разные столбцы можно объединить в один. Хороший пример такого представления находится в файле flights.csv.

Давайте загрузим файл flights.csv и рассмотрим пять выборочных строк в первых пяти столбцах:

df = pd.read_csv("flights.csv")

# display sample 5 rows and first 5 columns
df.sample(5).iloc[:,:5]

Объединение столбцов во время загрузки

В файле flights.csv дата каждого рейса представлена с использованием трех разных столбцов — YEAR, MONTH и DAY. Для выполнения анализа данных было бы проще, если бы вы могли объединить три столбца в один столбец даты, используя параметр parse_dates:

df = pd.read_csv("flights.csv", 
                 parse_dates=[[0,1,2]])
df.sample(5).iloc[:,:5]

В приведенном выше фрагменте кода мы использовали индекс столбца, чтобы указать столбцы для объединения в один столбец. Можно также указать название столбцов:

df = pd.read_csv("flights.csv", 
                 parse_dates=[['YEAR','MONTH','DAY']])

В результате первые три столбца удаляются и заменяются новым столбцом, имя которого является объединением имен трех столбцов:

Обратите внимание, что ранее в статье был установлен параметр parse_dates с помощью списка — parse_dates=[‘Date’]. Установка его в список приведет к тому, что отдельные столбцы будут загружены как объекты datetime. Если вы установите для него значение list of list, например parse_dates=[[‘YEAR’,’MONTH’,’DAY’]], то эти столбцы будут объединены в один объект datetime.

Предполагая, что у вас есть CSV, который выглядит следующим образом:

DATE,YEAR,MONTH,DAY
2015-09-13,2015,9,13
2015-09-14,2015,9,14

Вы можете преобразовать столбец DATE в объект datetime и в то же время объединить столбцы YEAR, MONTH и DAY в единый объект datetime, используя следующие значения для параметра parse_dates:

df = pd.read_csv("test.csv", 
                 parse_dates=['DATE',['YEAR','MONTH','DAY']])

Результат выглядит следующим образом:

Распечатка dtypes из df подтверждает типы данных для обоих столбцов:

YEAR_MONTH_DAY    datetime64[ns]
DATE              datetime64[ns]
dtype: object

Объединение столбцов после загрузки фрейма данных

Вы также можете объединить столбцы фрейма данных после его загрузки с помощью функции to_datetime():

df = pd.read_csv("flights.csv")
df['DATETIME'] = pd.to_datetime(df[['YEAR', 'MONTH', 'DAY']])
df.sample(5).iloc[:,-3:]

Следующий вывод показывает последние три столбца фрейма данных, причем последний столбец является результатом объединения трех столбцов — YEAR, MONTH и DAY:

Форматирование Time

Помимо сохранения запланированной даты вылета в трех отдельных столбцах, вы также заметите, что существует столбец с именем SCHEDULED_DEPARTURE:

df[['SCHEDULED_DEPARTURE']]

Этот столбец представляет собой целочисленный столбец, в котором хранятся такие числа, как 5,10, вплоть до 2359. То, что представляет каждое значение, на самом деле является временем отправления в формате HHMM. Таким образом, 5 на самом деле представляет 00:05, в то время как 2359 на самом деле представляет 23:59. Если бы вы собирались выполнить аналитику по этому столбцу, вам определенно нужно было бы обработать этот столбец дальше.

Мы тут объединим четыре столбца в столбец datetime:

YEAR
MONTH
DAY
SCHEDULED_DEPARTURE

Объединить первые три несложно, как мы видели в предыдущем разделе. Четвертый столбец нуждается в некоторой обработке:

Вам нужно отформатировать время отправления в виде строки, а затем извлечь первые 2 цифры для представления часа (HH).
Затем извлеките последние две цифры, представляющие минуты (MM)

Вышеуказанные действия могут быть реализованы следующим образом:

import datetime

# function to convert HHMM to datetime.time
def format_time(time):
    # format the time as string
    time = "{0:04d}".format(int(time))
    # extract hh and mm and then convert to time
    hhmm = datetime.time(int(time[0:2]), int(time[2:4]))
    return hhmm

df['SCHEDULED_DEPARTURE'] = \
    df['SCHEDULED_DEPARTURE'].apply(format_time)
df[['SCHEDULED_DEPARTURE']]

Объединение столбцов даты и времени

Теперь, когда в нашем фрейме данных есть два столбца типа данных datetime — DATETIME и SCHEDULED_DEPARTURE, теперь мы можем объединить их в один столбец. Следующий фрагмент кода использует функцию apply() вместе с функцией datetime.combine() для объединения двух указанных столбцов:

from datetime import datetime

df['SCHEDULED_DEPARTURE'] = \
    df.apply(
        lambda r: datetime.combine(r['DATETIME'], r['SCHEDULED_DEPARTURE']), 
        axis=1)
df.sample(5)[['SCHEDULED_DEPARTURE']]

Столбец SCHEDULED_DEPARTURE теперь содержит как дату, так и время отправления:

И теперь вы можете легко найти все рейсы, вылетающие в определенное время:

df[(df['SCHEDULED_DEPARTURE'].dt.month == 12) & 
   (df['SCHEDULED_DEPARTURE'].dt.year == 2015) & 
   (df['SCHEDULED_DEPARTURE'].dt.hour >= 22) & 
   (df['SCHEDULED_DEPARTURE'].dt.minute > 30)]\
   [['FLIGHT_NUMBER','SCHEDULED_DEPARTURE']]

Заключение

Надеемся, что эта статья будет полезна для вас, когда дело дойдет до обработки даты и времени в ваших фреймах данных Pandas. В частности, мы рассмотрели:

Как преобразовать столбец в тип данных datetime64 после загрузки фрейма данных
Как загрузить столбец в качестве объекта datetime64 во время загрузки
Как найти день недели для определенной даты
Как отсортировать фрейм данных по дню недели
Как объединить разные столбцы в качестве объекта datetime64 во время загрузки
Как объединить разные столбцы в объект datetime64 после загрузки фрейма данных
Как преобразовать строки в формат времени
Как объединить столбцы даты и времени

#Pandas

5786

Войти на сайт