python - 如何 "pretty print"python pandas DatetimeIndex

我是 Pandas 的新手，仍然对它的功能感到惊讶，尽管有时也会对它的完成方式感到惊讶 ;-)

我设法编写了一个小脚本，它将报告时间序列中每个月或每年的时间序列中遇到的缺失值的数量。下面是使用一些虚拟数据进行演示的代码。

如果我打印返回的结果( print cnty 或 print cntm )，一切看起来都很好，除了我想根据数据的分辨率格式化索引的日期时间值，即我希望每年使用 2000 1000 10 15 而不是 2000-12-31 1000 10 15 output 和 2000-01 744 10 15 用于每月输出。在 Pandas 中是否有一种简单的方法可以做到这一点，或者我是否必须在打印之前通过一些循环并将其转换为“普通”python。注意:我事先不知道我有多少数据列，因此每行固定格式字符串的任何内容对我都不起作用。

import numpy as np
import pandas as pd
import datetime as dt


def make_data():
    """Make up some bogus data where we know the number of missing values"""
    time = np.array([dt.datetime(2000,1,1)+dt.timedelta(hours=i)
                     for i in range(1000)])
    wd = np.arange(0.,1000.,1.)
    ws = wd*0.2
    wd[[2,3,4,8,9,22,25,33,99,324]] = -99.9   # 10 missing values
    ws[[2,3,4,10,11,12,565,644,645,646,647,648,666,667,669]]  =-99.9 # 15 missing values
    data = np.array(zip(time,wd,ws), dtype=[('time', dt.datetime),
                                            ('wd', 'f4'), ('ws', 'f4')])
    return data


def count_miss(data):
    time = data['time']
    dff = pd.DataFrame(data, index=time)
    # two options for setting missing values:
    # 1) replace everything less or equal -99
    for c in dff.columns:
        ser = pd.Series(dff[c])
        ser[ser <= -99.] = np.nan
        dff[c] = ser
    # 2) alternative: if you know the exact value to be replaced
    # you can use the DataFrame replace method:
##    dff.replace(-99.9, np.nan, inplace=True)

    # add the time variable as data column
    dff['time'] = time
    # count missing values
    # the print expressions will print date labels and the total number of values
    # in the time column plus the number of missing values for all other columns
    # annually:
    cnty = dff.resample('A', how='count', closed='right', label='right')
    for c in cnty.columns:
        if c != 'time':
            cnty[c] = cnty['time']-cnty[c]
    # monthly:
    cntm = dff.resample('M', how='count', closed='right', label='right')
    for c in cntm.columns:
        if c != 'time':
            cntm[c] = cntm['time']-cntm[c]
    return cnty, cntm

if __name__ == "__main__":
    data = make_data()
    cnty, cntm = count_miss(data)

最后说明:DatetimeIndex 有一个格式化方法，但遗憾的是没有解释如何使用它。

最佳答案

format 的 DatetimeIndex 方法与 strftime 对象的 datetime.datetime 执行类似。

这意味着您可以使用此处找到的格式字符串:http://www.tutorialspoint.com/python/time_strftime.htm

诀窍是您必须传递 formatter 方法的函数 format kwarg。看起来像这样(作为一个与您的代码无关的示例:

import pandas
dt = pandas.DatetimeIndex(periods=10, start='2014-02-01', freq='10T')
dt.format(formatter=lambda x: x.strftime('%Y    %m    %d  %H:%M.%S'))

输出:

['2014    02    01  00:00.00',
 '2014    02    01  00:10.00',
 '2014    02    01  00:20.00',
 '2014    02    01  00:30.00',
 '2014    02    01  00:40.00',
 '2014    02    01  00:50.00',
 '2014    02    01  01:00.00',
 '2014    02    01  01:10.00',
 '2014    02    01  01:20.00',
 '2014    02    01  01:30.00']

关于python - 如何 "pretty print"python pandas DatetimeIndex，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/27388400/