Como usar datas e horários com pandas

Manipulando dados de séries temporais em Python

Stefan Jansen

Founder & Lead Data Scientist at Applied Artificial Intelligence

Funcionalidades para séries de data e hora

Na base: tipos de dados para info de data e hora
- Objetos para instantes e períodos
- Atributos e métodos refletem detalhes de tempo
Sequências de datas e períodos:
- Colunas de Series ou DataFrame
- Index: converte objeto em série temporal
Muitos métodos dependem do index temporal para recursos de séries temporais

Bloco básico: pd.Timestamp

import pandas as pd  # assumed imported going forward
from datetime import datetime  # To manually create dates

time_stamp = pd.Timestamp(datetime(2017, 1, 1))

pd.Timestamp('2017-01-01') == time_stamp

True # Entende datas como strings

time_stamp # type: pandas.tslib.Timestamp

Timestamp('2017-01-01 00:00:00')

Bloco básico: pd.Timestamp

Timestamp tem muitos atributos para guardar info de tempo

time_stamp.year

time_stamp.day_name()

'Sunday'

Mais blocos: pd.Period e freq

period = pd.Period('2017-01')

period # default: month-end

Period('2017-01', 'M')

period.asfreq('D') # convert to daily

Period('2017-01-31', 'D')

period.to_timestamp().to_period('M')

Period('2017-01', 'M')

Period tem o atributo freq para guardar a frequência

Converta pd.Period() para pd.Timestamp() e vice-versa

Mais blocos: pd.Period e freq

period + 2

Period('2017-03', 'M')

pd.Timestamp('2017-01-31', 'M') + 1

Timestamp('2017-02-28 00:00:00', freq='M')

Info de frequência permite aritmética básica com datas

Sequências de datas e horários

pd.date_range: start, end, periods, freq

index = pd.date_range(start='2017-1-1', periods=12, freq='M')

index

DatetimeIndex(['2017-01-31', '2017-02-28', '2017-03-31', ...,
               '2017-09-30', '2017-10-31', '2017-11-30', '2017-12-31'],
              dtype='datetime64[ns]', freq='M')

pd.DateTimeIndex: sequência de objetos Timestamp com info de frequência

Sequências de datas e horários

index[0]

Timestamp('2017-01-31 00:00:00', freq='M')

index.to_period()

PeriodIndex(['2017-01', '2017-02', '2017-03', '2017-04', ..., 
             '2017-11', '2017-12'], dtype='period[M]', freq='M')

Criar uma série temporal: pd.DateTimeIndex

pd.DataFrame({'data': index}).info()

RangeIndex: 12 entries, 0 to 11
Data columns (total 1 columns):
data    12 non-null datetime64[ns]
dtypes: datetime64[ns](1)

Criar uma série temporal: pd.DateTimeIndex

np.random.random:
- Números aleatórios: [0,1]
- 12 linhas, 2 colunas

data = np.random.random((size=12,2))

pd.DataFrame(data=data, index=index).info()

DatetimeIndex: 12 entries, 2017-01-31 to 2017-12-31
Freq: M
Data columns (total 2 columns):
0    12 non-null float64
1    12 non-null float64
dtypes: float64(2)

Apelidos de frequência e info de tempo

Aliases de frequência e info temporal

Vamos praticar!

Manipulando dados de séries temporais em Python