Pandas主要涉及兩種數據結構Series和DataFrame，Series相當於數組numpy.array類似，後者相當於有表格，有行表頭index和列表頭columns
介紹一下表格數據
看下圖數據，這是一個爬蟲下來的疫情的數據，數據特點：
- 同一天可能有多次更新的數據
- 有可能會有一天沒有數據，針對美國這種，前期數據基本不公佈
需要做的處理：
- 希望每天僅保留最後一個時刻的數據作爲當天最終結果
- 對缺失的日期數據進行補充，即數據填充fill
![在這裏插入圖片描述]()
一、讀取表格數據read_csv
讀取表格用的是pandas的read_csv函數
# -*- encoding: utf-8 -*-
import pandas as pd
objectname = r'E:/Project/Python/DateTime/data.csv'
csv_orz = pd.read_csv(objectname, encoding='UTF-8')
print(csv_orz.head(5))
print(type(csv_orz))
csv_orz 的數據類型是DataFrame
輸出顯示：
二、pandas時間數據
1、根據時間對數據進行排序
# 根據時間進行排序
DataSort = csv_orz.sort_values(by='updateTime',ascending=False)
print(DataSort.head(5))
2、根據時間數據僅保留年月日，後面的時分秒就不用
（1）可以通過字符串slice來篩選時間數據
# 僅保留年月日
DataSort['updateTime'] = DataSort.updateTime.str.slice(0, 11)
print(DataSort.head(5))
# 日期去重
DataSortDrop = DataSort.drop_duplicates(["updateTime"],keep="first")
print(DataSortDrop.head(5))
輸出的就是沒有時分秒，再通過drop_duplicates把重複的去掉
（2）可以通過to_datetime轉成時間格式，再用strftime來進行轉換
DataSort['updateTime'] = pd.to_datetime(DataSort['updateTime'],format='%Y-%m-%d')
DataSort['updateTime'] = DataSort['updateTime'].apply(lambda x:x.strftime('%Y-%m-%d'))
print(DataSort.head(5))
其實第一個format=’%Y-%m-%d’沒有什麼作用，這個就不懂原因了，但是必須先用to_datetime轉時間格式，否則是Series格式的，就沒法調用strftime。
三、DataFrame數據拼接與填充
1、取第一行的數據，保存到變量DataFinal
取數據用iloc來取
DataFinal = DataSortDrop.iloc[0,:].to_frame().T
print(DataFinal)
firstDayTime = pd.to_datetime(DataFinal['updateTime'],format='%Y-%m-%d')
print(firstDayTime) #'2020-03-24'
# 生成一個時間格式的數據，表示一天
oneDay = pd.Timedelta(weeks=0,days=1,hours=0,minutes=0,seconds=0)
firstDayTime = firstDayTime - oneDay
上面還建立了一個變量表示oneday，一天，因爲時間數據之間的加減只能用時間格式的來處理，不能直接減數值1，所以要用Timedelta來處理
2、數據拼接
主要的思想：第二行的數據 nextDayTime 和前一行的數據 firstDayTime減oneday 進行比較，如果日期一致說明數據沒有缺失，則用concat進行拼接上去，否則就填充的空行：
for i in range(1, len(DataSortDrop)):
nextLineData = DataSortDrop.iloc[i,:].to_frame().T
nextDayTime = pd.to_datetime(nextLineData['updateTime'])
if(nextDayTime.values == firstDayTime.values):
DataFinal = pd.concat([DataFinal, nextLineData], axis=0)
firstDayTime = firstDayTime - oneDay
else:
while(firstDayTime.values != nextDayTime.values):
data = {'updateTime':str(firstDayTime.values)[2:12]}
emptynextData = pd.DataFrame(data,index=[i])
# print(emptynextData)
DataFinal = pd.concat([DataFinal, emptynextData], axis=0)
firstDayTime = firstDayTime - oneDay
DataFinal = pd.concat([DataFinal, nextLineData], axis=0)
firstDayTime = firstDayTime - oneDay
# 數據填充用後一天的數據來做
CountryFinal = DataFinal.fillna(method='ffill')
（1）日期與日期之間的比較用value
if(nextDayTime.values == firstDayTime.values):
（2）通過字典的方式新建一個DataFrame數據
data = {'updateTime':str(firstDayTime.values)[2:12]}
emptynextData = pd.DataFrame(data,index=[i])
（3）通過concat進行數據拼接，用 axis 設置行拼接或者列拼接，它可以自動對齊updateTime數據
DataFinal = pd.concat([DataFinal, nextLineData], axis=0)
DataFinal = pd.concat([DataFinal, emptynextData], axis=0)
（4）數據填充，直接用後項填充，就是用前一天的數據補充空缺的數據
CountryFinal = DataFinal.fillna(method='ffill')
四、日期數據（擴）
這裏是引用：https://www.cnblogs.com/nxf-rabbit75/p/10660317.html#auto_id_0
pandas的實際類型主要分爲：
- timestamp（時間戳）
- period（時期）
- timedelta（時間間隔）
常用的日期處理函數有：
- pd.to_datetime()
- pd.to_period()
- pd.date_range()
- pd.period_range
- resample
1、pd.Timestamp()時間戳
#定義timestamp
t1=pd.Timestamp('2019-01-10')
t2=pd.Timestamp('2018-12-10')
print(f't1= {t1}')
print(f't2= {t2}')
print(f't1與t2時間間隔：{(t1-t2).days}天')
#獲取當前時間
now=pd.datetime.now()
print(now)
print(now.strftime('%Y-%m-%d'))
輸出結果：
2、pd.Timedelta()實現datetime加減
對日期和時間進行加減實際上就是把datetime往後或往前計算，得到新的datetime。加減可以直接用+和-運算符，不過需要導入timedelta這個類：
#時間間隔
timeTmp = pd.Timedelta(days=5, minutes=50, seconds=20, milliseconds=10, microseconds=10, nanoseconds=10)
print(timeTmp)
#計算當前時間往後100天的日期
dt = now + pd.Timedelta(days=100)
#只顯示年月日
print(dt.strftime('%Y-%m-%d'))
>>5 days 00:50:20.010010
>>2020-07-07
3、pd.Period()
#定義時期period，默認是A-DEC，代表年份，以12月作爲最後一個月
p1=pd.Period('2019')
p2=pd.Period('2018')
print(f'p1={p1}年')
print(f'p2={p2}年')
print(f'p1和p2間隔{p1-p2}年')
#可以直接+、-整數（代表年）
print(f'十年前是{p1-10}年')
>>p1=2019年
>>p2=2018年
>>p1和p2間隔<YearEnd: month=12>年
>>十年前是2009年
通過asfreq轉換時期頻率
#以第一個月算,p1前面已賦值爲2019年
print(p1.asfreq('M','start'))
#以最後一個月算
print(p1.asfreq('M','end'))
>>2019-01
>>2019-12
財報季度
p = pd.Period('2019Q3',freq='Q-DEC')
#起始月日
print(p.asfreq('D','start'))
#結束月日
print(p.asfreq('D','end'))
>>2019-07-01
>>2019-09-30
4、pd.to_timestamp() 時間戳和時期相互轉換
print(p1.to_timestamp(how='end'))
print(p1.to_timestamp(how='start'))
>>2019-12-31 23:59:59.999999999
>>2019-01-01 00:00:00
5、pd.to_period() 時間戳轉爲時期
#t1前面賦值爲'2019-1-10'
#轉換爲月時期
print(t1.to_period('M'))
#轉換爲日時期
print(t1.to_period('D'))
print(t1.to_period('W'))
>>2019-01
>>2019-01-10
>>2019-01-07/2019-01-13
6、pd.to_datetime()
pandas.to_datetime(arg，errors ='raise'，utc = None，format = None，unit = None)
（1）獲取指定的時間和日期
當數據很多，且日期格式不標準時的時候，可以使用to_datetime，將DataFrame中的時間轉換成統一標準。
例如：df[’'date]數據類型爲“object”，通過pd.to_datetime將該列數據轉換爲時間類型，即datetime。
df['date_formatted']=pd.to_datetime(df['date'],format='%Y-%m-%d')
value = '2019-04-06'
print(pd.datetime.strptime(value,'%Y-%m-%d'))
//>>2019-01-07/2019-01-13
datastrs = ['2019-04-06 10:00:01','2019-4-8 10:00:03']
print(pd.to_datetime(datastrs))
//>>DatetimeIndex(['2019-04-06 10:00:01', '2019-04-08 10:00:03'], dtype='datetime64[ns]', freq=None)
常用時間：
| 類別 | 解釋 |
|---|---|
| year | 年 |
| month | 月 |
| day | 日 |
| hour | 時 |
| minute | 分 |
| second | 秒 |
| microsecond | 微秒 |
| nanosecond | 納秒 |
| date | 返回日期 |
| time | 返回時間 |
| dayofyear | 年序日 |
| weekofyear | 年序周 |
| week | 周 |
| dayofweek | 週中的第幾天，Monday=0, Sunday=6 |
| weekday | 週中的第幾天，Monday=0, Sunday=6 |
| weekday_name | 星期 |
| quarter | 季度 |
| days_in_month | 一個月中有多少天 |
| is_month_start | 是否月初第一天 |
| is_month_end | 是否月末最後一天 |
| is_quarter_start | 是否季度第一天 |
| is_quarter_end | 是否季度最後一天 |
| is_year_start | 是否年初第一天 |
| is_year_end | 是否年末最後一天 |
（2）to_datetime可以處理那些被認爲是缺失值的值(None、空字符串)
idx = pd.to_datetime(datastrs + [None])
print(idx)
print(idx[2])
print(pd.isnull(idx))
結果輸出：
>>DatetimeIndex(['2019-04-06 10:00:01', '2019-04-08 10:00:03', 'NaT'], dtype='datetime64[ns]', freq=None)
>>NaT
>>[False False True]
（3）將Str和Unicode轉化爲時間格式
這裏偷懶，直接貼圖，但是data.ORIGINAL_DUE_DATE_1[0]，這是不存在的，大家理解就好：
7、strptime和strftime
（1）字符串轉換成datetime格式: strptime
用戶輸入的日期和時間是字符串，要處理日期和時間，首先必須把str轉換爲datetime。轉換方法是通過datetime.strptime()實現，需要一個日期和時間的格式化字符串：
df_data1 = pd.DataFrame(columns=['date','values'])
df_data1['date'] = ['2019-01-01','2019-01-02','2019-01-03','2019-01-04','2019-01-05']
df_data1['values'] = np.random.randn(5)
print(df_data1)
df_data1['date'] = df_data1['date'].map(lambda x:pd.datetime.strptime(x,'%Y-%m-%d'))
print(df_data1)
結果顯示：
注意轉換後的datetime是沒有時區信息的。
舉例：將分開的年月日時整合，並設置爲索引
數據集：
from datetime import datetime
# load data
def parse(x):
return datetime.strptime(x, '%Y %m %d %H')
dataset = read_csv('raw.csv', parse_dates = [['year', 'month', 'day', 'hour']], index_col=0, date_parser=parse)
dataset.drop('No', axis=1, inplace=True)
# manually specify column names
dataset.columns = ['pollution', 'dew', 'temp', 'press', 'wnd_dir', 'wnd_spd', 'snow', 'rain']
dataset.index.name = 'date'
（2）datetime變回string格式: strftime
如果已經有了datetime對象，要把它格式化爲字符串顯示給用戶，就需要轉換爲str，轉換方法是通過strftime()實現的，同樣需要一個日期和時間的格式化字符串：
df_data = pd.DataFrame(columns=['date','values'])
df_data['date'] = pd.date_range('2019/01/01',periods=5)
df_data['values'] = np.random.randn(5)
print(df_data)
用strftime把datetime格式的時間數據轉換成string
df_data['date'] = df_data['date'].apply(lambda x:x.strftime('%Y/%m')) #datetime格式轉成str
以下是時間格式定義:
代碼 說明
%Y 4位數的年
%y 2位數的年
%m 2位數的月[01,12]
%d 2位數的日[01，31]
%H 時（24小時制）[00,23]
%l 時（12小時制）[01,12]
%M 2位數的分[00,59]
%S 秒[00,61]有閏秒的存在
%w 用整數表示的星期幾[0（星期天），6]
%F %Y-%m-%d簡寫形式例如，2017-06-27
%D %m/%d/%y簡寫形式
想偷懶的可以直接下載代碼，另外數據也在：
https://download.csdn.net/download/im6520/12283247