本文共 1143 字，大约阅读时间需要 3 分钟。

.dt 访问器

Pandas 提供了一个强大的 .dt 访问器，可以将 Series 中的 datetime 数据进行操作。这个访问器返回的仍然是 Series，且索引与原 Series 一致。

datetime 操作

• 获取 datetime 属性：可以通过 .dt 属性直接访问 datetime 数据。
• 时间格式化：使用 .dt.strftime() 方法将 datetime 转换为字符串，支持常见的 strftime 格式。
• 时区转换：通过 .dt.tz_localize() 和 .dt.tz_convert() 方法轻易实现时区转换。

示例

import pandas as pd
s = pd.Series(pd.date_range('20130101 09:10:12', periods=4))
s(dt= s.dt.tz_localize('US/Eastern'))  # 添加时区信息

矢量化字符串方法

Pandas Series 提供丰富的字符串处理方法，这些方法会自动排除缺失值和空值，操作数组中的每个元素十分方便。这些方法的名称与内置的字符串方法一致。

示例

s = pd.Series(['A', 'B', 'C', 'Aaba', 'Baca', np.nan, 'CABA', 'dog', 'cat'])
s.str.lower()  # 转换为小写

排序

Pandas 支持按索引、值或组合索引与值进行排序。

按索引排序

• Series.sort_index() 用于按索引层级排序。
• DataFrame.sort_index() 也支持按多重索引排序。

按值排序

• Series.sort_values() 用于按值排序。
• DataFrame.sort_values() 用于按行列值排序，可以指定多列进行排序。

示例

df = pd.DataFrame({'A': [2, 1, 1, 1], 'B': [1, 3, 2, 4], 'C': [5, 4, 3, 2]})
df.sort_values(by='B')  # 按 'B' 列排序

复制

在 pandas 对象上执行 copy() 方法可以复制底层数据，返回新的对象。以下几种方式可以就地修改 DataFrame：

• 插入、删除、修改列
• 修改 index 或 columns 属性
• 直接修改 values 属性

示例

import pandas as pd
s = pd.Series([1, 2, 3])
s.copy()  # 创建新 Series

总结

Pandas 提供了强大的 .dt 访问器和丰富的字符串方法，支持复杂的排序和时间操作。这些功能使得数据处理更加高效和直观。

转载地址：http://vpvfk.baihongyu.com/