การใช้งานวันที่และเวลาใน pandas
การจัดการข้อมูล Time Series ใน Python
Stefan Jansen
Founder & Lead Data Scientist at Applied Artificial Intelligence
ฟังก์ชันการทำงานของ Date & Time Series
- พื้นฐาน: ชนิดข้อมูลสำหรับวันที่และเวลา
- อ็อบเจกต์สำหรับจุดในเวลาและช่วงเวลา
- แอตทริบิวต์และเมธอดสะท้อนรายละเอียดที่เกี่ยวกับเวลา
- ลำดับของวันที่และช่วงเวลา:
- Series หรือคอลัมน์ใน DataFrame
- Index: แปลงอ็อบเจกต์ให้เป็น Time Series
- เมธอดหลายตัวของ Series/DataFrame ต้องอาศัยข้อมูลเวลาใน index เพื่อใช้งานฟังก์ชัน time-series
บล็อกพื้นฐาน: pd.Timestamp
import pandas as pd # assumed imported going forward from datetime import datetime # To manually create datestime_stamp = pd.Timestamp(datetime(2017, 1, 1))pd.Timestamp('2017-01-01') == time_stamp
True # Understands dates as strings
time_stamp # type: pandas.tslib.Timestamp
Timestamp('2017-01-01 00:00:00')
บล็อกพื้นฐาน: pd.Timestamp
- อ็อบเจกต์ Timestamp มีแอตทริบิวต์หลายตัวสำหรับเก็บข้อมูลเวลา
time_stamp.year
2017
time_stamp.day_name()
'Sunday'
บล็อกเพิ่มเติม: pd.Period & 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')
- อ็อบเจกต์ Period มีแอตทริบิวต์ freq สำหรับเก็บข้อมูลความถี่
- แปลง
pd.Period()เป็นpd.Timestamp()และกลับคืนได้
บล็อกเพิ่มเติม: 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')
- ข้อมูลความถี่ช่วยให้คำนวณวันที่ขั้นพื้นฐานได้
ลำดับของวันที่และเวลา
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: ลำดับของอ็อบเจกต์ Timestamp พร้อมข้อมูลความถี่
ลำดับของวันที่และเวลา
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')
สร้าง Time Series: 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)
สร้าง Time Series: pd.DateTimeIndex
np.random.random:- ตัวเลขสุ่ม:
[0,1] - 12 แถว, 2 คอลัมน์
- ตัวเลขสุ่ม:
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)
Frequency Aliases และข้อมูลเวลา
มาฝึกกันเถอะ!
การจัดการข้อมูล Time Series ใน Python
