Python數(shù)據(jù)分析基礎(chǔ)與應(yīng)用電子活頁8-4對(duì)日期時(shí)間數(shù)據(jù)進(jìn)行靈活處理

Python數(shù)據(jù)分析基礎(chǔ)與應(yīng)用模塊電子活頁8-4對(duì)日期和時(shí)間數(shù)據(jù)進(jìn)行靈活處理【任務(wù)8-1】對(duì)日期和時(shí)間數(shù)據(jù)進(jìn)行靈活處理【任務(wù)描述】編寫代碼實(shí)現(xiàn)以下功能。①從Excel文件orderInfo.xlsx的第一個(gè)工作表中獲取“訂單完成時(shí)間”和“商品金額”兩列數(shù)據(jù)。②查看獲取的數(shù)據(jù)的列名、數(shù)據(jù)類型、記錄數(shù)量等相關(guān)信息。③單獨(dú)提取“訂單完成時(shí)間”列數(shù)據(jù)，指定格式符為“'Y-%m-%d”，將無效的數(shù)據(jù)解析為NaN。④查看數(shù)據(jù)集中各列數(shù)據(jù)的數(shù)據(jù)類型。⑤隨機(jī)獲取DataFrame中的5條銷售日期數(shù)據(jù)。⑥分別從“銷售日期”列中獲取無時(shí)/分/秒的日期、年、月、日、季度和星期。⑦輸出步驟（6）中獲取的數(shù)據(jù)及對(duì)應(yīng)數(shù)據(jù)類型。⑧將年份2021和2022、月份2和3、天數(shù)4和15、小時(shí)數(shù)2和3通過DataFrame結(jié)構(gòu)組合為日期和時(shí)間數(shù)據(jù)。⑨將前面從“銷售日期”列中提取的年、月、日數(shù)據(jù)重新組合為日期和時(shí)間數(shù)據(jù)。⑩從“銷售日期”列中提取由年、月組成的數(shù)據(jù)?！救蝿?wù)實(shí)現(xiàn)】在JupyterNotebook開發(fā)環(huán)境中創(chuàng)建t8-01.ipynb，然后在單元格中編寫代碼與輸出對(duì)應(yīng)的結(jié)果。（1）讀取Excel文件orderInfo.xlsx中的數(shù)據(jù)代碼如下：importpandasaspdpath=r'data\orderInfo.xlsx'#獲取“訂單完成時(shí)間”和“商品金額”兩列數(shù)據(jù)#默認(rèn)讀取Excel文件的第一個(gè)工作表sales_df=pd.read_excel(path,usecols=['訂單完成時(shí)間','商品金額'])（2）查看列名、數(shù)據(jù)類型、記錄數(shù)量等相關(guān)信息代碼如下：sales_()輸出結(jié)果：<class'pandas.core.frame.DataFrame'>RangeIndex:9entries,0to8Datacolumns(total2columns):#ColumnNon-NullCountDtype0訂單完成時(shí)間9non-nulldatetime64[ns]1商品金額9non-nullfloat64dtypes:datetime64[ns](1),float64(1)memoryusage:272.0bytes（3）單獨(dú)提取“訂單完成時(shí)間”列數(shù)據(jù)提取“訂單完成時(shí)間”列數(shù)據(jù)時(shí)指定格式符為“'Y-%m-%d”，將無效的數(shù)據(jù)解析為NaN。代碼如下：sales_df['銷售日期']=pd.to_datetime(sales_df['訂單完成時(shí)間'],format='%Y-%m-%d',errors='coerce')（4）查看數(shù)據(jù)集中各列數(shù)據(jù)的數(shù)據(jù)類型代碼如下：print(sales_df.dtypes)輸出結(jié)果：訂單完成時(shí)間datetime64[ns]商品金額float64銷售日期datetime64[ns]dtype:object（5）隨機(jī)獲取DataFrame中的5條銷售日期數(shù)據(jù)代碼如下：print(sales_df["銷售日期"].sample(5))輸出結(jié)果：52021-02-2518:21:0522021-02-2011:11:5762021-03-1215:12:2802021-03-0620:40:1082021-03-2210:11:26Name:銷售日期,dtype:datetime64[ns]（6）從“銷售日期”列獲取日期數(shù)據(jù)分別從“銷售日期”列中獲取不包含時(shí)/分/秒的日期以及年、月、日、季度、星期數(shù)據(jù)，并輸出這些數(shù)據(jù)。代碼如下：sales_df['日期']=sales_df['銷售日期'].dt.datesales_df['年']=sales_df['銷售日期'].dt.yearsales_df['月']=sales_df['銷售日期'].dt.monthsales_df['日']=sales_df['銷售日期'].dt.daysales_df['季度']=sales_df['銷售日期'].dt.quartersales_df['星期']=sales_df['銷售日期'].dt.weekdaysales_df輸出結(jié)果：（7）輸出日期和時(shí)間數(shù)據(jù)對(duì)應(yīng)的數(shù)據(jù)類型代碼如下：sales_df.dtypes輸出結(jié)果：訂單完成時(shí)間atetime64[ns]商品金額float64銷售日期datetime64[ns]日期object年int64月int64日int64季度int64星期int64dtype:object（8）組合日期和時(shí)間數(shù)據(jù)將年份2021和2022、月份2和3、天數(shù)4和15、小時(shí)數(shù)2和3通過DataFrame結(jié)構(gòu)組合為日期和時(shí)間數(shù)據(jù)。代碼如下：#將多個(gè)DataFrame列組合成日期和時(shí)間數(shù)據(jù)importpandasaspddf1=pd.DataFrame({'year':[2021,2022],'month':[2,3],'day':[4,15],'hour':[2,3]})pd.to_datetime(df1)輸出結(jié)果：02021-02-0402:00:0012022-03-1503:00:00dtype:datetime64[ns]代碼如下：#只傳遞需要組合的列df1=pd.to_datetime(df1[['year','month','day']])df1輸出結(jié)果：02021-02-0412022-03-15dtype:datetime64[ns]（9）將年、月、日數(shù)據(jù)組合為日期和時(shí)間數(shù)據(jù)將前面從“銷售日期”列中提取的年、月、日數(shù)據(jù)重新組合為日期和時(shí)間數(shù)據(jù)。代碼如下：df2=pd.DataFrame({'year':sales_df['年'],'month':sales_df['月'],'day':sales_df['日']})df3=pd.to_datetime(df2[['year','month','day']])df3輸出結(jié)果：02021-03-0612021-03-0522021-02-2032021-02-2042021-03-0452021-02-2562021-03-1272021-03-1282021-03-22dtype:datetime64[ns]（10）從“銷售日期”列中提取由年、月組成的數(shù)據(jù)代碼如下：sales_df['year_month']=sales_df['銷售日期'].apply(lambdax:x.strftime('%Y-%m'))sales_df