#時間資料型態
from datetime import datetime
now=datetime.now()
print(now)
print('年:',now.year, '月:',now.month,'日:' ,now.day)
print(datetime(2015,1,1))
delta=datetime(2015,1,1) - datetime(2014,8,10)
print(delta)
#String & Datetime 轉換
#String to Datetime
str='2016-07-07 14:30:22'
date=datetime.strptime(str,'%Y-%m-%d %H:%M:%S')
print(date)
# Datetime to String
date=datetime(2015,1,1)
str_date= datetime.strftime(date,'%Y-%m-%d %H:%M:%S')
print(str_date)
output:
2017-08-11 10:52:06.202745 年: 2017 月: 8 日: 11 2015-01-01 00:00:00 144 days, 0:00:00 2016-07-07 14:30:22 2015-01-01 00:00:00
----------時間序列分析---------------
#波士頓 每年月車禍事件
boston=pd.read_csv("monthly-boston.csv",encoding="big5")
boston=pd.DataFrame(boston)
boston.head()
#Month轉換成datetime
boston['Month']=pd.to_datetime(boston.Month,format='%Y-%m-%d')
print(boston.dtypes) #驗證
output:
Month datetime64[ns] robberies int64 dtype: object
#Pandas DatetimeIndex 將index轉為時間，做時間序列分析會比較方便
boston=boston.set_index(boston['Month'],drop=True)
del boston['Month']
boston.head()
boston.index=pd.to_datetime(boston.index,format='%Y-%m-%d') #把index轉換成datetime
boston.head()
#時間序列分析（Time Series Analysis） 視覺化
boston.plot(x=boston.index,kind='line')
plt.show()
#DatetimeIndex 時間分割/聚合
boston_year=boston.groupby(boston.index.year).mean() #根據年做group by
print(boston_year.head())
boston_year.plot(kind='line')
plt.show()
boston_Q =boston.resample('Q-NOV').mean() #以季切分 12月為開始當做第一季 做一季一季切分
print(boston_Q.head())
boston_Q[boston_Q.index.year>1973]
boston_Q.plot(kind='line')
plt.show()
