У свету анализе података, уобичајено је наићи на скупове података који садрже временске ознаке. Понекад ћемо можда желети да поједноставимо и узмемо у обзир само датум, што може бити корисно за различите сврхе као што су анализа трендова, предвиђање или визуелизација. У овом чланку ћемо вам показати како да **конвертујете Пандас колону временских ознака у датум** користећи Питхон, што вам олакшава рад са подацима и њихово разумевање. Провешћемо вас кроз решење, пружићемо објашњење кода корак по корак, као и ући у неке повезане библиотеке и функције које могу додатно користити вашим вештинама манипулације подацима.
Претварање временских ознака у датум у Пандас
Да бисте започели, мораћете да имате панде инсталиран у вашем Питхон окружењу. Пандас је моћна библиотека која пружа алате за манипулацију подацима и анализу. Један од најважнијих објеката у Пандас-у је ДатаФраме, који вам омогућава да лако управљате и анализирате велике количине података са различитим функцијама.
Решење за претварање Пандас колоне временских ознака у датум подразумева коришћење `дт` приступа и атрибута `дате`. Претпоставимо да већ имате ДатаФраме са колоном временских ознака. Код за извршење конверзије би изгледао овако:
import pandas as pd # Assuming your DataFrame is named df and the column with timestamps is 'timestamp_col' df['date_col'] = df['timestamp_col'].dt.date
Горњи исечак кода креира нову колону под називом 'дате_цол' у ДатаФраме-у и додељује јој део датума 'тиместамп_цол'.
Објашњење кода корак по корак
Сада, хајде да сецирамо код и разумемо шта сваки његов део ради.
1. Прво увозимо Пандас библиотеку користећи уобичајени псеудоним `пд`:
import pandas as pd
2. Следеће, претпостављамо да већ имате ДатаФраме `дф` који садржи колону са временским ознакама под називом 'тиместамп_цол'. Да бисмо направили нову колону са само делом датума ових временских ознака, користимо приступник `дт` праћен атрибутом `дате`:
df['date_col'] = df['timestamp_col'].dt.date
Приступник `дт` омогућава приступ својствима датума и времена Пандас серије, као што су `година`, `месец`, `дан` и `датум`. У нашем случају, користили смо атрибут `дате` који враћа датумски део временских ознака.
И то је то! Са овим једноставним линијама кода, успешно сте конвертовали Пандас колону временских ознака до данас.
Пандас библиотека и њен значај
панде је библиотека отвореног кода која је постала основна за манипулацију подацима и анализу у Питхон-у. Нуди широк спектар функционалности, омогућавајући корисницима да чисте, трансформишу и визуелизују податке у оквиру једног алата. Примарни објекти у Пандас-у су ДатаФраме и Сериес, који су дизајнирани да рукују различитим типовима података.
ДатаФраме објекат је дводимензионална табела која може имати колоне различитих типова података, као што су бројеви, стрингови, датуми и још много тога. Пружа различите функције за ефикасно испитивање, модификовање и анализу података.
С друге стране, објекат серије је једнодимензионални означени низ способан да рукује било којим типом података. Серије су у суштини грађевински блокови за колоне ДатаФраме-а.
Друге корисне функције за манипулацију подацима у Пандас
Поред претварања временских ознака у датум, Пандас такође пружа многе друге корисне функције за манипулацију подацима. Неки од њих укључују:
1. Филтрирање: Када имате велики скуп података, можда постоје сценарији у којима бисте желели да филтрирате податке на основу одређених услова. Пандас пружа неколико метода за филтрирање података, као што су `лоц[]`, `илоц[]` и `куери()`.
2. Груписање: Функција `гроупби()` вам омогућава да групишете и обједините податке по једној или више колона, пружајући ефикасна решења за анализу и сумирање података.
3. Спајање и придруживање: Пандас има уграђене функције, као што су `мерге()` и `јоин()`, за спајање и спајање више оквира података заједно.
4. Руковање подацима који недостају: Скупови података из стварног света често садрже вредности које недостају, а Пандас нуди неколико техника за решавање ових инстанци, као што су `филлна()`, `дропна()` и `интерполате()`.
Коришћењем широког спектра функција које пружа Пандас, бићете добро опремљени да се ухватите у коштац са различитим задацима манипулације подацима и откријете вредне увиде из својих скупова података.
