跳转至

查看熊猫的失踪日期

原文:https://www.geesforgeks.org/check-失踪熊猫日期/

在这篇文章中,我们将学习如何检查熊猫中丢失的日期。

方法:

  • 使用 pd 从列表字典中创建数据帧。DataFrame() 接受数据作为其参数。注意,在这里,字典由两个列表组成,名为日期姓名。两者长度相同,给定日期顺序中有部分日期缺失(从 2021-01-18 到 2021-01-25 )。我们也可以为这个方法提供一个 CSV 文件,而不是创建我们自己的数据集。
  • df.set_index()方法将日期设置为我们创建的数据框的索引。可以简单地使用 print(df) 打印数据帧,以查看将日期设置为索引前后的数据帧。

*语法:* DataFrame.set_index(键,删除=真,追加=假,插入=假)

日期设为索引前:

|   | **日期** | **名称** | | --- | --- | --- | | **0** | 2021-01-18  | 贾(中国姓氏) | | **1** | 2021-01-20 | 坦尼娅(Tatiana 的昵称)(f.) | | **2** | 2021-01-23 | 罗汉 | | **3** | 2021-01-25  | 萨姆(男子名) |

日期设为索引后:

|   | **名称** | | --- | --- | | **日期** |   | | --- | --- | | **2021-01-18** | 贾(中国姓氏) | | **2021-01-20** | 坦尼娅(Tatiana 的昵称)(f.) | | **2021-01-23** | 罗汉 | | **2021-01-25** | 萨姆(男子名) |
  • 现在,一旦我们将日期设置为索引,我们就将给定的日期列表转换为 DateTime 对象。最初,我们列表中的日期是需要转换成 DateTime 对象的字符串。熊猫为我们提供了一个名为 to_datetime() 的方法,将字符串格式的日期和时间转换为 DateTime 对象

*语法:* pandas.to_datetime(arg,错误='raise ',格式=None)

  • PD.date_range()方法接受一个开始日期,一个结束日期,并在该范围内创建日期序列。****

**语法:pandas.date_range(start =无,end =无,freq =无)****

  • *熊猫。Index.difference()*返回一个新的 Index,其索引元素不在其他元素中。因此,通过使用 pd.date_range(开始日期、结束日期)。差异(日期) ,我们得到所有不在我们的日期列表中的日期。返回的数据类型是日期时间 64 数据的不可变数组。****

**语法:熊猫。索引.差异(其他,排序=真)****

**例 1:****

*蟒蛇 3*

**#import pandas
import pandas as pd

# A dataframe from a dictionary of lists
data = {'Date': ['2021-01-18', '2021-01-20',
                 '2021-01-23', '2021-01-25'],
        'Name': ['Jia', 'Tanya', 'Rohan', 'Sam']}
df = pd.DataFrame(data)

# Setting the Date values as index
df = df.set_index('Date')

# to_datetime() method converts string
# format to a DateTime object
df.index = pd.to_datetime(df.index)

# dates which are not in the sequence
# are returned
print(pd.date_range(
  start="2021-01-18", end="2021-01-25").difference(df.index))**

**输出:****

*最后,我们得到了 2021-01-18 和 2021-01-25 之间缺少的所有日期。*

*DatetimeIndex(['2021-01-19', '2021-01-21', '2021-01-22', '2021-01-24'], dtype='datetime64[ns]', freq=None)*

**例 2:****

*让我们考虑另一个例子。但是,这次我们不会将日期设置为索引,而是在 pd.date_range() 函数中分配 freq='B'* (工作日频率)。**

*就像前面的例子一样,我们从列表字典中创建一个数据框架。但是,这次我们没有将日期值设置为索引。相反,我们将“总人数”列设置为我们的索引值。使用 pd.date_range() 函数,该函数以开始日期、结束日期和频率为参数,我们提供这些值。我们设置频率= 'B '(工作日频率)以便省略周末。最后,熊猫。Index.difference()日期*列作为一个参数,并返回不在给定值集中的所有值。**

*蟒蛇 3*

**#import pandas
import pandas as pd

# A dataframe from a dictionary of lists
d = {'Date': ['2021-01-10', '2021-01-14', '2021-01-18',
              '2021-01-25', '2021-01-28', '2021-01-29'],
     'Total People': [20, 21, 19, 18, 13, 56]}
df = pd.DataFrame(d)

# Setting the Total People as index
df = df.set_index('Total People')

# to_datetime() method converts string
# format to a DateTime object
df['Date'] = pd.to_datetime(df['Date'])

# dates which are not in the sequence
# are returned
my_range = pd.date_range(
  start="2021-01-10", end="2021-01-31", freq='B')

print(my_range.difference(df['Date']))**

**输出:****

**

*请注意,除了 2021-01-23、2021-01-24 和 2021-01-30 之外,所有缺失的值都会返回,因为我们设置了 freq='B'* ,省略了所有的周末。**



回到顶部