Pandas使用DataFrame进行数据分析比赛进阶之路（二）：日期数据处理：按日期筛选、显示及统计数据

冷不防 2022-05-28 08:54 170阅读 0赞

首先，表格的数据格式如下：

![这里写图片描述][SouthEast]

**1、获取某年某月数据**

data_train = pd.read_csv('data/train.csv')
    
    # 将数据类型转换为日期类型
    data_train['date'] = pd.to_datetime(data_train['date'])
    
    # 将date设置为index
    df = data_train.set_index('date')
    
    # 获取某年的数据
    print(df['2010'].head())
    # 获取某月的数据
    print(df['2013-11'].head())

输出结果：

id      questions  answers
    date                              
    2010-10-01   1        742     1561
    2010-10-02   2        400      783
    2010-10-03   3        388      771
    2010-10-04   4        762     1474
    2010-10-05   5        821     1639
               id       questions  answers
    date                                
    2013-11-01  1128       3401     6858
    2013-11-02  1129       2626     5467
    2013-11-03  1130       2703     5557
    2013-11-04  1131       3602     6941
    2013-11-05  1132       3741     7312

**2、获取某个时期之前或之后的数据**

# 获取某个时期之前或之后的数据
    
    # 获取2014年以后的数据
    print(df.truncate(before='2014').head())
    # 获取2013-11之前的数据
    print(df.truncate(after='2013-11').head())
    # 获取2016-02年以后的数据
    print(df.truncate(before='2016-02').head())
    # 获取2016-02-2年以后的数据
    print(df.truncate(before='2016-02-2').head())

输出结果：

id  questions  answers
    date                                
    2014-01-01  1189       2586     5576
    2014-01-02  1190       3541     7175
    2014-01-03  1191       3655     7395
    2014-01-04  1192       2947     6099
    2014-01-05  1193       2847     5935
                 id  questions  answers
    date                              
    2010-10-01   1        742     1561
    2010-10-02   2        400      783
    2010-10-03   3        388      771
    2010-10-04   4        762     1474
    2010-10-05   5        821     1639
                 id  questions  answers
    date                                
    2016-02-01  1950       5434    10398
    2016-02-02  1951       5650    10795
    2016-02-03  1952       5744    10879
    2016-02-04  1953       5666    10886
    2016-02-05  1954       5371    10508
                 id  questions  answers
    date                                
    2016-02-02  1951       5650    10795
    2016-02-03  1952       5744    10879
    2016-02-04  1953       5666    10886
    2016-02-05  1954       5371    10508
    2016-02-06  1955       4296     8800

**3、按某个指标显示，但不统计**

# 按月显示，但不统计
    df_period_M = df.to_period('M').head()
    print(df_period_M)
    # 按季度显示，但不统计
    df_period_Q = df.to_period('Q').head()
    print(df_period_Q)
    # 按年度显示，但不统计
    df_period_A = df.to_period('A').head()
    print(df_period_A)

输出结果：

id  questions  answers
    date                           
    2010-10   1        742     1561
    2010-10   2        400      783
    2010-10   3        388      771
    2010-10   4        762     1474
    2010-10   5        821     1639
             id  questions  answers
    date                          
    2010Q4   1        742     1561
    2010Q4   2        400      783
    2010Q4   3        388      771
    2010Q4   4        762     1474
    2010Q4   5        821     1639
             id  questions  answers
    date                        
    2010   1        742     1561
    2010   2        400      783
    2010   3        388      771
    2010   4        762     1474
    2010   5        821     1639

**4、按某个指标显示，并且统计**

# 按年统计并显示
    print(df.resample('AS').sum().to_period('A'))
    # 按季度统计并显示
    print(df.resample('Q').sum().to_period('Q').head())
    # 按月度统计并显示
    print(df.resample('M').sum().to_period('M').head())
    # 按月度统计并显示
    print(df.resample('W').sum().to_period('W').head())

输出结果：

id  questions  answers
    date                            
    2010    4278      74363   153006
    2011  100375     535290  1091651
    2012  234423     862831  1718434
    2013  367190    1179155  2320421
    2014  500415    1487677  2876611
    2015  633640    1734023  3368264
    2016  698810    1808649  3476335
              id  questions  answers
    date                             
    2010Q4   4278      74363   153006
    2011Q1  12375     105858   217767
    2011Q2  20748     127873   260836
    2011Q3  29394     144424   293853
    2011Q4  37858     157135   319195
              id  questions  answers
    date                             
    2010-10   496      22218    44882
    2010-11  1395      25418    52841
    2010-12  2387      26727    55283
    2011-01  3348      31502    65477
    2011-02  3850      33240    67627
               id  questions  answers
    date                                          
    2010-09-27/2010-10-03    6       1530     3115
    2010-10-04/2010-10-10   49       4869     9636
    2010-10-11/2010-10-17   98       5079    10344
    2010-10-18/2010-10-24  147       5361    10847
    2010-10-25/2010-10-31  196       5379    10940

--------------------

**附录：日期类型截图**

![这里写图片描述][SouthEast 1]

[SouthEast]: /images/20220528/1fd640a54ef44deab1b53041130b9084.png
[SouthEast 1]: /images/20220528/01ba510e70334fa99c0c34bb40deb0ff.png