Pandas中的Timedeltas, DateOffsets和Periods

你应该知道的特殊日期和时间对象。

在pandas日期和时间系列的第一部分中，我已经探讨了pandas时间序列的核心功能--在这篇文章中，我想看一下更多的特殊时间对象，这些对象旨在使时间戳的运算变得简单，并适合在数据中标记时间的特殊需要。

在这篇文章中，我将使用Kaggle的 "Flat Earth on Twitter"数据集。

注意：本文所展示的功能只是Python和Pandas中不同时间对象所有功能的一小部分--我认为值得在一篇介绍性文章中介绍的那些，只是为了让大家感受一下这些对象的力量。我不想给人留下这样的印象，即这些就是这个主题的极限--无论如何，这都不是真的。

计时器

Timedeltas是代表两个时间点之间、两个时间戳之间差异的对象。

它可以使用几种不同的计量单位（如分钟、天），可以是正数或负数。

创建Timedelta的一种方法是用一个时间戳减去另一个时间戳。

你可以使用Pandas.Timedelta构造一个Timedelta对象。在这里，你需要指定你想要的Timedelta持续时间作为参数。为此，你可以使用字符串作为参数，或者提供整数作为关键字参数（还有其他几种方法，你可以在文档的解析timedeltas部分找到）。

如果我们想用一个特定的时间来增加一个Timestamp的值，我们可以使用timedeltas来进行这个操作。假设你不能等到圣诞节，所以你决定将时钟往前调3天。

注意：如果你想执行这个操作，你必须在宇宙的特定部分找到一个足够重的物体（黑洞总是一个好的选择），它可以帮助你度过等待圣诞老人的时间。

当然，我们也可以从时间戳中提取Timedeltas，更重要的是，我们可以对整个日期范围进行操作，而无需循环。

Timedeltas也可以应用于日期系列。回到我们的 "平地 "数据，我们可以很容易地在原始用户创建日期的基础上创建一个新的系列。

假设我们想知道在示例数据框架中，用户是在多少天（月、年、秒）前创建的。我们可以使用Timedelta对象来标记今天和创建日期之间的差异，用另一个Timedelta来划分，其值取决于我们想看的指标。

Timedelta对象有属性和方法来访问数据的某些部分或执行进一步的操作 - 所有这些都可以在文档中找到。

DateOffsets

DateOffsests与Timedeltas密切相关，但是，工作方式略有不同。两者背后的不同逻辑是，例如，有时连续两天的午夜时分之间的差异不是24小时：例如，夏令时可能会有点动摇。1天的Timedelta将总是在时间戳上增加24小时，而DateOffset将把时间戳向前移动到第二天，并且是原始时间戳的准确小时。

偏移对象提供了很多机会，可以将时间戳向前或向后移动到某个逻辑时间点，而不是按一个固定的时期。使用平地数据，让我们找出离用户账户创建时间最近的工作日。

正如你所看到的，如果一个时间戳是在工作时间内，"下一个_营业日 "的时间戳与原来的相同。在工作时间之外，向前滚动将时间戳移到下一个工作日--如果它碰巧在星期六应用，而不是翻转到第二天，偏移量则是寻找下一个星期一。

周期

周期是在时间对象中表示的某个时间段（小时、天、周、月、季度等）。

这背后的主要想法是，虽然时间戳代表了时间中的某个时刻，但Period（即使它可以很好地以如此高的分辨率指向某个秒）是在你的数据被标记为对象与周期性复发相关时使用的，是数据被链接到的时间范围。

一个很好的例子是销售数据：每次你在店里卖出一个甜甜圈，你都会对这次销售做一个记录，而销售的时间（一个时间戳）与每笔交易相关。一天100次的购买，导致了多达100个不同的Timestamp。然而，当你在一天结束时总结你的收入时，你有收入的总和和它实现的日子（时期）。第二天，下100个交易的时间戳，但你的每日收入只得到1个周期标记--不需要具体的时间戳。你的每日Periods也可以总结为每月、每季和每年的Periods。关键是这些时间段是重复发生的，具有一定的逻辑性，而这正是Periods所要捕捉的。