Python数据分析基础与应用电子活页8-4对日期时间数据进行灵活处理

Python数据分析基础与应用模块电子活页8-4对日期和时间数据进行灵活处理【任务8-1】对日期和时间数据进行灵活处理【任务描述】编写代码实现以下功能。①从Excel文件orderInfo.xlsx的第一个工作表中获取“订单完成时间”和“商品金额”两列数据。②查看获取的数据的列名、数据类型、记录数量等相关信息。③单独提取“订单完成时间”列数据，指定格式符为“'Y-%m-%d”，将无效的数据解析为NaN。④查看数据集中各列数据的数据类型。⑤随机获取DataFrame中的5条销售日期数据。⑥分别从“销售日期”列中获取无时/分/秒的日期、年、月、日、季度和星期。⑦输出步骤（6）中获取的数据及对应数据类型。⑧将年份2021和2022、月份2和3、天数4和15、小时数2和3通过DataFrame结构组合为日期和时间数据。⑨将前面从“销售日期”列中提取的年、月、日数据重新组合为日期和时间数据。⑩从“销售日期”列中提取由年、月组成的数据。【任务实现】在JupyterNotebook开发环境中创建t8-01.ipynb，然后在单元格中编写代码与输出对应的结果。（1）读取Excel文件orderInfo.xlsx中的数据代码如下：importpandasaspdpath=r'data\orderInfo.xlsx'#获取“订单完成时间”和“商品金额”两列数据#默认读取Excel文件的第一个工作表sales_df=pd.read_excel(path,usecols=['订单完成时间','商品金额'])（2）查看列名、数据类型、记录数量等相关信息代码如下：sales_()输出结果：<class'pandas.core.frame.DataFrame'>RangeIndex:9entries,0to8Datacolumns(total2columns):#ColumnNon-NullCountDtype0订单完成时间9non-nulldatetime64[ns]1商品金额9non-nullfloat64dtypes:datetime64[ns](1),float64(1)memoryusage:272.0bytes（3）单独提取“订单完成时间”列数据提取“订单完成时间”列数据时指定格式符为“'Y-%m-%d”，将无效的数据解析为NaN。代码如下：sales_df['销售日期']=pd.to_datetime(sales_df['订单完成时间'],format='%Y-%m-%d',errors='coerce')（4）查看数据集中各列数据的数据类型代码如下：print(sales_df.dtypes)输出结果：订单完成时间datetime64[ns]商品金额float64销售日期datetime64[ns]dtype:object（5）随机获取DataFrame中的5条销售日期数据代码如下：print(sales_df["销售日期"].sample(5))输出结果：52021-02-2518:21:0522021-02-2011:11:5762021-03-1215:12:2802021-03-0620:40:1082021-03-2210:11:26Name:销售日期,dtype:datetime64[ns]（6）从“销售日期”列获取日期数据分别从“销售日期”列中获取不包含时/分/秒的日期以及年、月、日、季度、星期数据，并输出这些数据。代码如下：sales_df['日期']=sales_df['销售日期'].dt.datesales_df['年']=sales_df['销售日期'].dt.yearsales_df['月']=sales_df['销售日期'].dt.monthsales_df['日']=sales_df['销售日期'].dt.daysales_df['季度']=sales_df['销售日期'].dt.quartersales_df['星期']=sales_df['销售日期'].dt.weekdaysales_df输出结果：（7）输出日期和时间数据对应的数据类型代码如下：sales_df.dtypes输出结果：订单完成时间atetime64[ns]商品金额float64销售日期datetime64[ns]日期object年int64月int64日int64季度int64星期int64dtype:object（8）组合日期和时间数据将年份2021和2022、月份2和3、天数4和15、小时数2和3通过DataFrame结构组合为日期和时间数据。代码如下：#将多个DataFrame列组合成日期和时间数据importpandasaspddf1=pd.DataFrame({'year':[2021,2022],'month':[2,3],'day':[4,15],'hour':[2,3]})pd.to_datetime(df1)输出结果：02021-02-0402:00:0012022-03-1503:00:00dtype:datetime64[ns]代码如下：#只传递需要组合的列df1=pd.to_datetime(df1[['year','month','day']])df1输出结果：02021-02-0412022-03-15dtype:datetime64[ns]（9）将年、月、日数据组合为日期和时间数据将前面从“销售日期”列中提取的年、月、日数据重新组合为日期和时间数据。代码如下：df2=pd.DataFrame({'year':sales_df['年'],'month':sales_df['月'],'day':sales_df['日']})df3=pd.to_datetime(df2[['year','month','day']])df3输出结果：02021-03-0612021-03-0522021-02-2032021-02-2042021-03-0452021-02-2562021-03-1272021-03-1282021-03-22dtype:datetime64[ns]（10）从“销售日期”列中提取由年、月组成的数据代码如下：sales_df['year_month']=sales_df['销售日期'].apply(lambdax:x.strftime('%Y-%m'))sales_df