Aanvullende datetime-methoden in Pandas

Werken met datums en tijden in Python

Max Shron

Data Scientist & Author

Tijdzones in Pandas

rides['Duration'].dt.total_seconds().min()

-3346.0

Tijdzones in Pandas

rides['Start date'].head(3)

0   2017-10-01 15:23:25
1   2017-10-01 15:42:57
2   2017-10-02 06:37:10
Name: Start date, dtype: datetime64[ns]

rides['Start date'].head(3)\
  .dt.tz_localize('America/New_York')

0   2017-10-01 15:23:25-04:00
1   2017-10-01 15:42:57-04:00
2   2017-10-02 06:37:10-04:00
Name: Start date, dtype: datetime64[ns, America/New_York]

Tijdzones in Pandas

# Probeer een tijdzone te zetten...
rides['Start date'] = rides['Start date']\
  .dt.tz_localize('America/New_York')

pytz.exceptions.AmbiguousTimeError: Cannot infer dst time from '2017-11-05 01:56:50', 
try using the 'ambiguous' argument

# Ambigue datetimes afhandelen
rides['Start date'] = rides['Start date']\
  .dt.tz_localize('America/New_York', ambiguous='NaT')

rides['End date'] = rides['End date']\
  .dt.tz_localize('America/New_York', ambiguous='NaT')

Tijdzones in Pandas

# Bereken de duur opnieuw, negeer slechte rij
rides['Duration'] = rides['End date'] - rides['Start date']

# Zoek de minimumwaarde opnieuw
rides['Duration'].dt.total_seconds().min()

116.0

Tijdzones in Pandas

# Bekijk de problematische rij
rides.iloc[129]

Duration                            NaT
Start date                          NaT
End date                            NaT
Start station             6th & H St NE
End station               3rd & M St NE
Bike number                      W20529
Member type                      Member
Name: 129, dtype: object

Andere datetime-bewerkingen in Pandas

# Jaar van de eerste drie rijen
rides['Start date']\
  .head(3)\
  .dt.year

0    2017
1    2017
2    2017
Name: Start date, dtype: int64

# Weekdagen voor de eerste drie ritten
rides['Start date']\
  .head(3)\
  .dt.day_name()

0    Sunday
1    Sunday
2    Monday
Name: Start date, dtype: object

Andere onderdelen van Pandas

# Verschuif de index één vooruit, aanvullen met NaT
rides['End date'].shift(1).head(3)

0                         NaT
1   2017-10-01 15:26:26-04:00
2   2017-10-01 17:49:59-04:00
Name: End date, dtype: datetime64[ns, America/New_York]

Aanvullende datetime-methoden in Pandas

Werken met datums en tijden in Python