标签: python-datetime

问题。在我的 Django 应用程序中，用户为计划执行创建任务。用户是非常非技术性的，如果他们能编写传统的人类可读的表达式来定义何时执行某些任务，那就太好了，例如：

• 每逢星期一
• 每周五、周三
• 日常的
• 每月 1、14、20 日
• 每周五；每个月底

这是受Todoist 的启发。目前，只需要日期；没有时间。我花了几个小时在谷歌上搜索图书馆来做到这一点，但没有运气。我期待一个函数，比如说in_range(expression, date)，这样：

>>> in_range('every monday, wednesday', date(2014, 4, 28))
True

>>> in_range('every end of month', date(2014, 5, 12))
False

>>> in_range('every millenium', date(2014, 5, 8))
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: unknown token "millenium".

变体。这就是我看过的。

• 标准datetime库进行日期解析，但不进行上述日期范围解析。
• Python-dateutil - 通过 支持重复日期rrule，非常实用，但仍然不支持解析。
• Python-crontab和Python-croniter接受标准的 Unix crontab 语法（并允许指定工作日等），但这种语法仍然过于技术性，如果可能，我想避免它。
• Arrow和Parsedatetime不支持该功能。

那么，是否有我错过的 Python …

使用 Python 2.6.x 的 xmlrpclib 在客户端和服务器之间交换的消息在服务器端创建了一种“实例”类型，而不是“日期时间”类型。在客户端，我创建了一个新的

updateTime = datetime(year, month, day, hour, minute, second)
print type(updateTime)
print updateTime

结果是

<type 'datetime.datetime'>
2015-10-07 10:21:52

发送时，字典在客户端看起来像这样：

'updateTime': datetime.datetime(2015, 10, 7, 10, 21, 52)

但是服务器端的传入字典是这样的：

'updateTime': <DateTime '20151007T10:21:52' at 7f4dbf4ceb90>

打印类型及其字符串表示如下：

<type 'instance'>
20151007T10:21:52

我们正在使用 xmlrpclib.ServerProxy 但将use_datetime更改为True或False根本没有任何区别。

xmlrpclib.ServerProxy('https://'+rpc_server_addr, allow_none=True, use_datetime=True)

为什么会这样？我也希望接收方有一个 tpye 'datetime.datetime'。

有两个数据框。首先是这样的：

print df1

        id        date    month  is_buy
     0  17  2015-01-16  2015-01       1
     1  17  2015-01-26  2015-01       1
     2  17  2015-01-27  2015-01       1
     3  17  2015-02-11  2015-02       1
     4  17  2015-03-14  2015-03       1
     5  18  2015-01-28  2015-01       1
     6  18  2015-02-12  2015-02       1
     7  18  2015-02-25  2015-02       1
     8  18  2015-03-04  2015-03       1

在第二个数据框中，有一些来自第一个的按月汇总的数据：

df2 = df1[df1['is_buy'] == 1].groupby(['id', 'month']).agg({'is_buy': np.sum})

print df2

        id    month       buys
     0  17  2015-01          3
     1  17  2015-02          1
     2  17  2015-03          1
     3  18  2015-01 …

是否可以使用 df.apply 来获取属性而不是运行函数？我想从日期中检索年份以执行 groupby。例如 ..

import pandas as pd
import datetime
import numpy as np

df = pd.DataFrame({'date': [datetime.datetime(2010,1,1)+datetime.timedelta(days=i*15) 
for i in range(0,100)]})

这工作..

df['year'] = [d.year for d in df['date']]

这也有效..

df['year'] = df['date'].apply(lambda x: x.year)

但这不..

df['year'] = df['date'].apply(year)

这也不..

df['year'] = df['date'].year

这样做的最有效方法是什么？

我正在尝试使用 pandas to_datetime 将自纪元以来的秒数值（包括微秒精度）数组转换为日期时间格式，如下所示：

x = 1487187300.038075
time = pd.to_datetime(x, unit='s')

这成功地转换为时间戳，但微秒精度下降（或至少不可见），产生：

Timestamp('2017-02-15 19:35:00')

关于如何在不损失精度的情况下进行转换有什么建议吗？到目前为止，我的搜索都没有找到 OP 关心保持微秒精度的例子。

我有一个没有每个日期的时间序列（即交易日期）。系列可以在这里复制。

 dates=pd.Series(np.random.randint(100,size=30),index=pd.to_datetime(['2010-01-04', '2010-01-05', '2010-01-06', '2010-01-07',
           '2010-01-08', '2010-01-11', '2010-01-12', '2010-01-13',
           '2010-01-14', '2010-01-15', '2010-01-19', '2010-01-20',
           '2010-01-21', '2010-01-22', '2010-01-25', '2010-01-26',
           '2010-01-27', '2010-01-28', '2010-01-29', '2010-02-01',
           '2010-02-02', '2010-02-03', '2010-02-04', '2010-02-05',
           '2010-02-08', '2010-02-09', '2010-02-10', '2010-02-11',
           '2010-02-12', '2010-02-16']))

我想在我的日期列表中显示该月的最后一天，即：“2010-01-29”和“2010-02-16”

我查看了在Python的日期列表中获取每个月的最后一个日期

更具体地说...

import pandas as pd
import numpy as np

df = pd.read_csv('/path/to/file/')          # Load a dataframe with your file
df.index = df['my_date_field']              # set the dataframe index with your date
dfg = df.groupby(pd.TimeGrouper(freq='M'))  # group by month / alternatively use MS for Month Start / referencing …

我有一个xarray具有以下维度的数据集：

Dimensions:      (subject: 30, session: 5, time: 45000)
Coordinates:
  * subject      (subject) object '110' '112' '114' '117' ...
  * session      (session) object 'week1' 'week2' 'week3' ...
  * time         (time) timedelta64[ns] 00:00:00 00:00:00.040000 ...

我想将每个试验（主题/会话组合）分成更小的时间段，例如分成 3 个段，每个段有 15000 个值，结果维度可能如下所示：

(subject: 30, session: 5, segment: 3, time: 15000)

我已经搜索并尝试了很多东西但都没有成功，这怎么办？

我一直在尝试的一件事似乎很接近，就是创建一个新的 MultiIndex 并将其拆开。

segment_data = np.repeat(range(3),len(ds.time)//3)
segment = xr.Variable(dims='time',data=segment_data)
newtime_data = np.tile(ds.time[:len(ds.time)//3],3)
newtime = xr.Variable(dims='time',data=newtime_data)
dsr = ds.assign_coords(segment=segment,newtime=newtime)
dsr = dsr.set_index(segment='segment',newtime='newtime')
dsr = dsr.stack(fragment=['segment','newtime'])

然而，最后一行需要大量内存，并且似乎创建了一个维度fragment: len(ds.time)**2，这似乎不正确。我也不确定在这之后我必须做什么（unstack('fragment')？）。

编辑：更多的尝试让我来到这里： …

我想按某个数据时间段过滤数据帧，如下代码所示。

df2 = df2['Dates'].between_time(pandas.to_datetime('5/13/2015 8:41'), pandas.to_datetime('5/13/2015 8:55'))[['Dates','Category']]

但出现错误“TypeError：索引必须是 DatetimeIndex”这是数据帧

我尝试过

df2 = pandas.read_csv(path2,parse_dates=[0])

就像其他帖子的回复之一一样，但仍然遇到相同的错误。有谁知道这里发生了什么？

我有这样的字符串'03-21-2019'，我想转换为本地 Python 日期时间对象：即datetime.datetime类型。转换很容易通过pandas：

import pandas as pd
import datetime as dt

date_str = '03-21-2019'
pd_Timestamp = pd.to_datetime(date_str)
py_datetime_object = pd_Timestamp.to_pydatetime()
print(type(py_datetime_object))

结果

<class 'datetime.datetime'>

这正是我想要的，因为我想timedelta通过从另一个中减去其中一个来计算's - 在本机 Pythondatetime.datetime类中完美定义。但是，我的数据在pd.DataFrame. 当我尝试以下代码时：

import pandas as pd
import datetime as dt

df = pd.DataFrame(columns=['Date'])
df.loc[0] = ['03-21-2019']
df['Date'] = df['Date'].apply(lambda x:
                              pd.to_datetime(x).to_pydatetime())
print(type(df['Date'].iloc[0]))

结果是

<class 'pandas._libs.tslibs.timestamps.Timestamp'>

这是错误的类型，我一生都无法弄清楚为什么只有一部分lambda表达式被评估（即字符串到熊猫时间戳），而不是最后一部分（即熊猫-时间戳到日期时间。日期时间）。如果我显式定义函数，而不是使用lambda表达式，它也不起作用：

import pandas as pd
import datetime as dt


def …

我正在尝试将假数据插入到该表中。它不能完全随机，因为行需要有意义。下面我来解释一下。

我的数据如下所示：

每个 AcctID 可以出现多次，但最容易解释我在做什么，仅举一个 AcctID 出现两次的例子：