pandas to_period() 时间数据转换为时期类型
看过来
《pandas 教程》 持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》 和 《Python之光》。
pandas.DataFrame.to_period() 方法用于将 DataFrame 的时间数据转换为 Period 类型。Period 是 pandas 中用于处理周期性数据（如月份、季度、年份等）的数据类型。此方法将时间序列数据从 DatetimeIndex 转换为 PeriodIndex，以便进行周期性分析。
数据类型支持
to_period() 方法主要用于以下数据类型：
- pandas.DataFrame.to_period
- pandas.DatetimeIndex.to_period
- pandas.Series.dt.to_period
- pandas.Series.to_period
- pandas.Timestamp.to_period
语法
将DataFrame从DatetimeIndex转换为PeriodIndex。以所需的频率将DataFrame从DatetimeIndex转换为PeriodIndex（如果未传递，则从索引推断）。
DataFrame.to_period(freq=None, axis=0, copy=None)
Series.to_period(freq=None, copy=None)
DatetimeIndex.to_period(*args, **kwargs)
Timestamp.to_period(freq=None)
Series.dt.to_period(*args, **kwargs)
参数解释
freq (
str或DateOffset, 默认为None)：
指定周期的频率。例如，'M'表示按月分组，'Q'表示按季度分组。可以选择的频率包括'D'（天）、'M'（月）、'Q'（季度）、'Y'（年）等。axis (
int或str, 默认为0)：
指定转换的轴。0表示按行进行转换，1表示按列进行转换。如果axis=0，则DataFrame的行将被转换为周期类型；如果axis=1，则列将被转换为周期类型。copy (
bool, 默认为None)：
是否返回一个新的DataFrame，如果为True，则返回一个复制的DataFrame；如果为False或None，则返回原数据的视图（如果可能）。
返回值
- 类型:
DataFrame - 意义: 返回一个新的
DataFrame，其中时间数据被转换为PeriodIndex。
使用场景
to_period() 方法在以下场景中非常有用：
- 数据分析阶段，需要将时间数据从
DatetimeIndex转换为周期数据，以便进行周期性分析。 - 在时间序列数据中，按月、季度或年份进行聚合分析时，将时间数据转换为
PeriodIndex可以简化处理。
示例
idx = pd.to_datetime(
[
"2001-03-31 00:00:00",
"2002-05-31 00:00:00",
"2003-08-31 00:00:00",
]
)
idx
'''
DatetimeIndex(['2001-03-31', '2002-05-31', '2003-08-31'],
dtype='datetime64[ns]', freq=None)
'''
idx.to_period("M")
# PeriodIndex(['2001-03', '2002-05', '2003-08'], dtype='period[M]')
对于年度频率:
idx.to_period("Y")
# PeriodIndex(['2001', '2002', '2003'], dtype='period[Y-DEC]')
idx = pd.DatetimeIndex(['2023', '2024', '2025'])
s = pd.Series([1, 2, 3], index=idx)
s = s.to_period()
s
'''
2023 1
2024 2
2025 3
Freq: Y-DEC, dtype: int64
'''
# 查看索引
s.index
# PeriodIndex(['2023', '2024', '2025'], dtype='period[Y-DEC]')
ts = pd.Timestamp('2020-03-14T15:32:52.192548651')
# 年末频率
ts.to_period(freq='Y')
# Period('2020', 'Y-DEC')
# 月末频率
ts.to_period(freq='M')
# Period('2020-03', 'M')
# 每周频率
ts.to_period(freq='W')
# Period('2020-03-09/2020-03-15', 'W-SUN')
# 季度末频率
ts.to_period(freq='Q')
# Period('2020Q1', 'Q-DEC')
案例
示例 1：将日期转换为按月周期
假设有一个包含日期的 DataFrame，我们希望将这些日期转换为按月的周期。
import pandas as pd
# 构造示例数据
data = {
'Date': pd.date_range('2023-01-01', periods=6, freq='D'),
'Value': [10, 20, 30, 40, 50, 60]
}
df = pd.DataFrame(data)
df.set_index('Date', inplace=True)
# 将 Date 列转换为按月的周期
period_df = df.to_period(freq='M')
# 输出构造的数据和转换后的结果
print("原始数据：")
print(df)
print("\n转换后的数据：")
print(period_df)
输出：
原始数据：
Value
Date
2023-01-01 10
2023-01-02 20
2023-01-03 30
2023-01-04 40
2023-01-05 50
2023-01-06 60
转换后的数据：
Value
Date
2023-01 10
2023-01 20
2023-01 30
2023-01 40
2023-01 50
2023-01 60
在这个例子中，我们使用 to_period(freq='M') 将日期转换为按月的周期。
示例 2：将日期转换为按季度周期
假设我们希望将日期数据转换为按季度的周期。
import pandas as pd
# 构造示例数据
data = {
'Date': pd.date_range('2023-01-01', periods=12, freq='M'),
'Value': range(12)
}
df = pd.DataFrame(data)
df.set_index('Date', inplace=True)
# 将 Date 列转换为按季度的周期
period_df = df.to_period(freq='Q')
# 输出构造的数据和转换后的结果
print("原始数据：")
print(df)
print("\n转换后的数据：")
print(period_df)
输出：
原始数据：
Value
Date
2023-01-31 0
2023-02-28 1
2023-03-31 2
2023-04-30 3
2023-05-31 4
2023-06-30 5
2023-07-31 6
2023-08-31 7
2023-09-30 8
2023-10-31 9
2023-11-30 10
2023-12-31 11
转换后的数据：
Value
Date
2023Q1 0
2023Q1 1
2023Q1 2
2023Q2 3
2023Q2 4
2023Q2 5
2023Q3 6
2023Q3 7
2023Q3 8
2023Q4 9
2023Q4 10
2023Q4 11
在这个例子中，我们使用 to_period(freq='Q') 将日期转换为按季度的周期。
参考
- https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.to_period.html
更新时间：2024-08-11 12:07:21 标签：pandas python 时期 时间
