Datums en tijden gebruiken met pandas

Tijdreeksgegevens manipuleren in Python

Stefan Jansen

Founder & Lead Data Scientist at Applied Artificial Intelligence

Functionaliteit voor datum- en tijdreeksen

Basis: datatypen voor datum- en tijdinformatie
- Objecten voor tijdstippen en perioden
- Attributen en methoden weerspiegelen tijdsdetails
Reeksen van datums en perioden:
- Series of DataFrame-kolommen
- Index: maak er een tijdreeks van
Veel Series-/DataFrame-methoden gebruiken tijdinfo in de index voor tijdreeksfunctionaliteit

Basiselement: 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 # Begrijpt datums als strings

time_stamp # type: pandas.tslib.Timestamp

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

Basiselement: pd.Timestamp

Timestamp-object heeft veel attributen voor tijdspecifieke info

time_stamp.year

time_stamp.day_name()

'Sunday'

Meer bouwstenen: pd.Period & freq

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

period # standaard: maandultimo

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

period.asfreq('D') # omzetten naar dagelijks

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

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

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

Period-object heeft het attribuut freq voor frequentie-info

Zet pd.Period() om naar pd.Timestamp() en terug

Meer bouwstenen: pd.Period & freq

period + 2

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

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

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

Frequentie-info maakt eenvoudige datumaritmetiek mogelijk

Reeksen van datums en tijden

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: reeks van Timestamp-objecten met frequentie-info

Reeksen van datums en tijden

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')

Maak een tijdreeks: 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)

Maak een tijdreeks: pd.DateTimeIndex

np.random.random:
- Willekeurige getallen: [0,1]
- 12 rijen, 2 kolommen

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)

Frequentie-aliassen & tijdinfo

Laten we oefenen!

Tijdreeksgegevens manipuleren in Python