数据科学 第 3 章 12 处理时间序列，小时、分

时间序列，日期格式处理

原以为本章是讲怎么用python处理时间格式，比如提取年月之类的。
但本节写的是时间格式已经工整后的事，暂时不是我想学的，所以跳过，就没有写公式了。

下面的函数时之前谷歌之后学到的，先放上来，书里面的在分割线后面：

--1、把列表中 str 转为datetime格式：pd.to_datetime

这次使用的是trd的数据，对用户名，产品，姓名做了处理。
要改变df中times的格式
cycle 3576 non-null object
amount 3576 non-null float64
times 3576 non-null object

#修改时间格式
# datetime.strptime(df.times, %Y%m%d)  这行代码是先测试是否修改成功
df['times'] = pd.to_datetime(df['times'], format='%Y/%m/%d')

更改后
cycle 3576 non-null object
amount 3576 non-null float64
times 3576 non-null datetime64[ns]

*讲了asfreq() 和 resample() 的使用方法，但是没有get到意思，略过。

--2、只取日期，不要时分

新增一列date，保留年月日，不要小时和分。

#新增一列日期，不要时分
df['date'] = pd.to_datetime(df['times']).dt.normalize()
df

新增两列：年，月，以便后续分析。
（-- 这个方法太复杂，而且处理时间可能会更长，看下面的简单方法！！！）

#新增月份、年。在月份补齐为两位数，要先把原来的month改为字符串，再补齐原month，最后循环
df['year'] = [i.year for i in df['date']]
df['month'] = [str(i.month).zfill(2) for i in df['date']]
df

数据处理完成之后，就可以用年月创建透视表了。

画了一个17年每天交易量的图，顺便引出下一章的内容，画图。

df.groupby(['date'])['amount'].count().plot()

把图删了，下一章全是讲的图，而且要突出下面的内容。

3、读取日期中的年、月、日、小时、分、等等等等

啊啊啊啊啊啊啊！！！！！这个真的找了好久的方法怎么读取dataframe中的小时和分，搜索之后全是读取现在的，妹的，你要现在的有鬼用啊，你的数据里面不是已经有具体的时间了吗，分析现在的时分干嘛？找了2个小时，翻来覆去都是这些没用的，越找越暴躁，最后还是在stackoverflow上找到了，感恩💗

#提取时间之前，要先把提取的字段设置成datatime格式
df['shijian'] = pd.to_datetime(df['date'], format = "%Y/%m/%d %H:%M:%S")

#>>>Out: shijian    825120 non-null datetime64[ns]

#拆分日期和小时分
temp = pd.DatetimeIndex(df['shijian'])
df['Date'] = temp.date
df['Time'] = temp.time
df['hourss'] = temp.hour
df['year'] = temp.year
df['month'] = temp.month

是不是比第二个方便好多，而且快啊，我真棒！！！给自己鼓掌👏👏👏
日期和时间是看了stackoverflow学到的，小时的看的官方文档。刚开始把time求出来之后，想的是用拆分的方法把小时算出来，但是用str.split()得到的结果是NaN，后来看了DatetimeIndex的官方文档后，才发现可以直接提取hour的值，所以还是看文档。

附上文档的链接及截图，文档能解决的问题只有你想不到，没有做不到：
https://pandas.pydata.org/pan...

---

下面是其他可能有用的知识点：
查看‘2017-09-03’ 是周几：

import pandas as pd
date1 =pd.to_datetime( "2017-09-03")
date1.strftime('%A')

Out:
'Sunday'