溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務(wù)條款》
您好，登錄后才能下訂單哦！
小編給大家分享一下Pandas中怎么按日期篩選、顯示及統(tǒng)計數(shù)據(jù)，相信大部分人都還不怎么了解，因此分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后大有收獲，下面讓我們一起去了解一下吧！
運行環(huán)境為 windows系統(tǒng)，64位，python3.5。
1 讀取并整理數(shù)據(jù)
首先引入pandas庫
1. import pandas as pd
從csv文件中讀取數(shù)據(jù)
1. df = pd.read_csv('date.csv', header=None)
2. print(df.head(2))
1. 0 1
2. 0 2013-10-24 3
3. 1 2013-10-25 4
整理數(shù)據(jù)
1. df.columns = ['date','number']
2. df['date'] = pd.to_datetime(df['date']) #將數(shù)據(jù)類型轉(zhuǎn)換為日期類型
3. df = df.set_index('date') # 將date設(shè)置為index
4. print(df.head(2))
5. print(df.tail(2))
6. print(df.shape)
1. number
2. date
3. 2013-10-24 3
4. 2013-10-25 4
5. number
6. date
7. 2017-02-14 6
8. 2017-02-22 6
9. (425, 1)
df的行數(shù)一共是425行。
查看Dataframe的數(shù)據(jù)類型
1. print(type(df))
2. print(df.index)
3. print(type(df.index))
1. <class 'pandas.core.frame.DataFrame'>
2. DatetimeIndex(['2013-10-24', '2013-10-25', '2013-10-29', '2013-10-30',
3. '2013-11-04', '2013-11-06', '2013-11-08', '2013-11-12',
4. '2013-11-14', '2013-11-25',
5. ...
6. '2017-01-03', '2017-01-07', '2017-01-14', '2017-01-17',
7. '2017-01-23', '2017-01-25', '2017-01-26', '2017-02-07',
8. '2017-02-14', '2017-02-22'],
9. dtype='datetime64[ns]', name='date', length=425, freq=None)
10. <class 'pandas.tseries.index.DatetimeIndex'>
構(gòu)造Series類型數(shù)據(jù)
1. s = pd.Series(df['number'], index=df.index)
2. print(type(s))
3. s.head(2)
1. <class 'pandas.core.series.Series'>
2.
3. date
4. 2013-10-24 3
5. 2013-10-25 4
6. Name: number, dtype: int64
2 按日期篩選數(shù)據(jù)
按年度獲取數(shù)據(jù)
1. print('---------獲取2013年的數(shù)據(jù)-----------')
2. print(df['2013'].head(2)) # 獲取2013年的數(shù)據(jù)
3. print(df['2013'].tail(2)) # 獲取2013年的數(shù)據(jù)
1. ---------獲取2013年的數(shù)據(jù)-----------
2. number
3. date
4. 2013-10-24 3
5. 2013-10-25 4
6. number
7. date
8. 2013-12-27 2
9. 2013-12-30 2
獲取2016至2017年的數(shù)據(jù)
1. print('---------獲取2016至2017年的數(shù)據(jù)-----------')
2. print(df['2016':'2017'].head(2)) #獲取2016至2017年的數(shù)據(jù)
3. print(df['2016':'2017'].tail(2)) #獲取2016至2017年的數(shù)據(jù)
1. ---------獲取2016至2017年的數(shù)據(jù)-----------
2. number
3. date
4. 2016-01-04 4
5. 2016-01-07 6
6. number
7. date
8. 2017-02-14 6
9. 2017-02-22 6
獲取某月的數(shù)據(jù)
1. print('---------獲取某月的數(shù)據(jù)-----------')
2. print(df['2013-11']) # 獲取某月的數(shù)據(jù)
1. ---------獲取某月的數(shù)據(jù)-----------
2. number
3. date
4. 2013-11-04 1
5. 2013-11-06 3
6. 2013-11-08 1
7. 2013-11-12 5
8. 2013-11-14 2
9. 2013-11-25 1
10. 2013-11-29 1
獲取具體某天的數(shù)據(jù)
請注意dataframe類型的數(shù)據(jù)，獲取具體某天的數(shù)據(jù)時，跟series是有些差異的，詳細(xì)情況如下述代碼所示：
1. # 按日期篩選數(shù)據(jù)
2. print('---------獲取具體某天的數(shù)據(jù)-----------')
3. # 獲取具體某天的數(shù)據(jù)
4. print(s['2013-11-06'])
5.
6. # 獲取具體某天的數(shù)據(jù)，用datafrme直接選取某天時會報錯，而series的數(shù)據(jù)就沒有問題
7. # print(df['2013-11-06'])
8.
9. #可以考慮用區(qū)間來獲取某天的數(shù)據(jù)
10. print(df['2013-11-06':'2013-11-06'])
1. ---------獲取具體某天的數(shù)據(jù)-----------
2. 3
3. number
4. date
5. 2013-11-06 3
dataframe的truncate函數(shù)可以獲取某個時期之前或之后的數(shù)據(jù)，或者某個時間區(qū)間的數(shù)據(jù)
但一般建議直接用切片（slice），這樣更為直觀，方便
1. # dataframe的truncate函數(shù)可以獲取某個時期之前或之后的數(shù)據(jù)，或者某個時間區(qū)間的數(shù)據(jù)
2. # 但一般建議直接用切片（slice），這樣更為直觀，方便
3. print('---------獲取某個時期之前或之后的數(shù)據(jù)-----------')
4. print('--------after------------')
5. print(df.truncate(after = '2013-11'))
6. print('--------before------------')
7. print(df.truncate(before='2017-02'))
1. ---------獲取某個時期之前或之后的數(shù)據(jù)-----------
2. --------after------------
3. number
4. date
5. 2013-10-24 3
6. 2013-10-25 4
7. 2013-10-29 2
8. 2013-10-30 1
9. --------before------------
10. number
11. date
12. 2017-02-07 8
13. 2017-02-14 6
14. 2017-02-22 6
3 按日期顯示數(shù)據(jù)
3.1 to_period()方法
請注意df.index的數(shù)據(jù)類型是DatetimeIndex；
df_peirod的數(shù)據(jù)類型是PeriodIndex
按月顯示，但不統(tǒng)計
1. df_period = df.to_period('M') #按月顯示，但不統(tǒng)計
2. print(type(df_period))
3.
4. print(type(df_period.index))
5. # 請注意df.index的數(shù)據(jù)類型是DatetimeIndex；
6. # df_peirod的數(shù)據(jù)類型是PeriodIndex
7.
8. print(df_period.head())
1. <class 'pandas.core.frame.DataFrame'>
2. <class 'pandas.tseries.period.PeriodIndex'>
3. number
4. date
5. 2013-10 3
6. 2013-10 4
7. 2013-10 2
8. 2013-10 1
9. 2013-11 1
按季度顯示，但不統(tǒng)計
1. print(df.to_period('Q').head()) #按季度顯示，但不統(tǒng)計
1. number
2. date
3. 2013Q4 3
4. 2013Q4 4
5. 2013Q4 2
6. 2013Q4 1
7. 2013Q4 1
按年度顯示，但不統(tǒng)計
1. print(df.to_period('A').head()) #按年度顯示，但不統(tǒng)計
1. number
2. date
3. 2013 3
4. 2013 4
5. 2013 2
6. 2013 1
7. 2013 1
3.2 asfreq()方法
按年度頻率顯示
1. df_period.index.asfreq('A') # 'A'默認(rèn)是'A-DEC',其他如'A-JAN'
1. PeriodIndex(['2013', '2013', '2013', '2013', '2013', '2013', '2013', '2013',
2. '2013', '2013',
3. ...
4. '2017', '2017', '2017', '2017', '2017', '2017', '2017', '2017',
5. '2017', '2017'],
6. dtype='period[A-DEC]', name='date', length=425, freq='A-DEC')
1. df_period.index.asfreq('A-JAN') # 'A'默認(rèn)是'A-DEC',其他如'A-JAN'
1. PeriodIndex(['2014', '2014', '2014', '2014', '2014', '2014', '2014', '2014',
2. '2014', '2014',
3. ...
4. '2017', '2017', '2017', '2017', '2017', '2017', '2017', '2018',
5. '2018', '2018'],
6. 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
1. df_period.index.asfreq('Q') # 'Q'默認(rèn)是'Q-DEC',其他如“Q-SEP”，“Q-FEB”
1. PeriodIndex(['2013Q4', '2013Q4', '2013Q4', '2013Q4', '2013Q4', '2013Q4',
2. '2013Q4', '2013Q4', '2013Q4', '2013Q4',
3. ...
4. '2017Q1', '2017Q1', '2017Q1', '2017Q1', '2017Q1', '2017Q1',
5. '2017Q1', '2017Q1', '2017Q1', '2017Q1'],
6. dtype='period[Q-DEC]', name='date', length=425, freq='Q-DEC')
1. df_period.index.asfreq('Q-SEP') # 可以顯示不同的季度財年，“Q-SEP”，“Q-FEB”
2. # df_period.index = df_period.index.asfreq('Q-DEC') # 可以顯示不同的季度財年，“Q-SEP”，“Q-FEB”
3. # print(df_period.head())
1. PeriodIndex(['2014Q1', '2014Q1', '2014Q1', '2014Q1', '2014Q1', '2014Q1',
2. '2014Q1', '2014Q1', '2014Q1', '2014Q1',
3. ...
4. '2017Q2', '2017Q2', '2017Q2', '2017Q2', '2017Q2', '2017Q2',
5. '2017Q2', '2017Q2', '2017Q2', '2017Q2'],
6. 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
1. df_period.index.asfreq('M') # 按月份顯示
1. PeriodIndex(['2013-10', '2013-10', '2013-10', '2013-10', '2013-11', '2013-11',
2. '2013-11', '2013-11', '2013-11', '2013-11',
3. ...
4. '2017-01', '2017-01', '2017-01', '2017-01', '2017-01', '2017-01',
5. '2017-01', '2017-02', '2017-02', '2017-02'],
6. dtype='period[M]', name='date', length=425, freq='M')
按工作日顯示
method 1
1. df_period.index.asfreq('B', how='start') # 按工作日期顯示
1. PeriodIndex(['2013-10-01', '2013-10-01', '2013-10-01', '2013-10-01',
2. '2013-11-01', '2013-11-01', '2013-11-01', '2013-11-01',
3. '2013-11-01', '2013-11-01',
4. ...
5. '2017-01-02', '2017-01-02', '2017-01-02', '2017-01-02',
6. '2017-01-02', '2017-01-02', '2017-01-02', '2017-02-01',
7. '2017-02-01', '2017-02-01'],
8. dtype='period[B]', name='date', length=425, freq='B')
method 2
1. df_period.index.asfreq('B', how='end') # 按工作日期顯示
1. PeriodIndex(['2013-10-31', '2013-10-31', '2013-10-31', '2013-10-31',
2. '2013-11-29', '2013-11-29', '2013-11-29', '2013-11-29',
3. '2013-11-29', '2013-11-29',
4. ...
5. '2017-01-31', '2017-01-31', '2017-01-31', '2017-01-31',
6. '2017-01-31', '2017-01-31', '2017-01-31', '2017-02-28',
7. '2017-02-28', '2017-02-28'],
8. dtype='period[B]', name='date', length=425, freq='B')
4 按日期統(tǒng)計數(shù)據(jù)
4.1按日期統(tǒng)計數(shù)據(jù)
按周統(tǒng)計數(shù)據(jù)
1. print(df.resample('w').sum().head())
2. # “w”，week
1. number
2. date
3. 2013-10-27 7.0
4. 2013-11-03 3.0
5. 2013-11-10 5.0
6. 2013-11-17 7.0
7. 2013-11-24 NaN
按月統(tǒng)計數(shù)據(jù)
1. print(df.resample('M').sum().head())
2. # "MS"是每個月第一天為開始日期, "M"是每個月最后一天
1. number
2. date
3. 2013-10-31 10
4. 2013-11-30 14
5. 2013-12-31 27
6. 2014-01-31 16
7. 2014-02-28 4
按季度統(tǒng)計數(shù)據(jù)
1. print(df.resample('Q').sum().head())
2. # "QS"是每個季度第一天為開始日期, "Q"是每個季度最后一天
1. number
2. date
3. 2013-12-31 51
4. 2014-03-31 73
5. 2014-06-30 96
6. 2014-09-30 136
7. 2014-12-31 148
按年統(tǒng)計數(shù)據(jù)
1. print(df.resample('AS').sum())
2. # "AS"是每年第一天為開始日期, "A是每年最后一天
1. number
2. date
3. 2013-01-01 51
4. 2014-01-01 453
5. 2015-01-01 743
6. 2016-01-01 1552
7. 2017-01-01 92
關(guān)于日期的類型，按參考下圖所示來選擇合適的分期頻率：
4.2 按日期統(tǒng)計后，按年或季度或月份顯示
按年統(tǒng)計并顯示
1. print(df.resample('AS').sum().to_period('A'))
2. # 按年統(tǒng)計并顯示
1. number
2. date
3. 2013 51
4. 2014 453
5. 2015 743
6. 2016 1552
7. 2017 92
按季度統(tǒng)計并顯示
1. print(df.resample('Q').sum().to_period('Q').head())
2. # 按季度統(tǒng)計并顯示
1. number
2. date
3. 2013Q4 51
4. 2014Q1 73
5. 2014Q2 96
6. 2014Q3 136
7. 2014Q4 148
按月度統(tǒng)計并顯示
1. print(df.resample('M').sum().to_period('M').head())
2. # 按月度統(tǒng)計并顯示
1. number
2. date
3. 2013-10 10
4. 2013-11 14
5. 2013-12 27
6. 2014-01 16
7. 2014-02 4
以上是“Pandas中怎么按日期篩選、顯示及統(tǒng)計數(shù)據(jù)”這篇文章的所有內(nèi)容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內(nèi)容對大家有所幫助，如果還想學(xué)習(xí)更多知識，歡迎關(guān)注億速云行業(yè)資訊頻道！
免責(zé)聲明：本站發(fā)布的內(nèi)容（圖片、視頻和文字）以原創(chuàng)、轉(zhuǎn)載和分享為主，文章觀點不代表本網(wǎng)站立場，如果涉及侵權(quán)請聯(lián)系站長郵箱：is@yisu.com進(jìn)行舉報，并提供相關(guān)證據(jù)，一經(jīng)查實，將立刻刪除涉嫌侵權(quán)內(nèi)容。
億速云公眾號
手機網(wǎng)站二維碼
