pandas.read_sql和解释日期指定为周
pandas.read_sql和解释日期指定为周
提问于 2014-08-23 11:50:53
我有一个这种格式的SQL表，我想阅读它并将其转换成熊猫时态。
y (year) w (week) d (some data)
2009 1 10
2009 2 15
...做这件事的好方法是什么？
我知道read_sql()的parse_dates参数，或者使用DatetimeIndex手动设置索引。我无法理解如何使用周数据来实现这一点。我尝试了以下方法。谢谢。
# gives NaT for year & week:
df = pd.read_sql("SELECT y, w, d FROM t",
db, parse_dates={"y":"%Y", "w":"%U"})
# gives wrong dates for yw - e.g. all 2009-01-01:
df = pd.read_sql("SELECT CONCAT(y,'/',w) as yw, d FROM t",
db, parse_dates={"yw": "%Y/%U"})
# throws DateParseError exception:
df = pd.read_sql("SELECT CONCAT(y,'W',w) as yw, d FROM t",
db)
df.index = pd.DatetimeIndex(df.yw)回答 1
Stack Overflow用户
回答已采纳
发布于 2014-08-23 14:04:07
实际上，我认为最优雅的方法是在SQL中执行转换：
sql = "SELECT DATE_ADD(MAKEDATE(y, 1), INTERVAL w WEEK) as date, d FROM test.t"
df = pd.read_sql(sql, engine)
print(df)收益率
date d
0 2009-01-08 10
1 2009-01-15 15要在Python中实现等效的操作，需要更多的锅炉板，因为AFAIK Pandas不提供任何将年份和周号转换为日期的开箱即用的设施。当然，您可以使用循环和datetime模块逐个将数字转换为datetime.datetime对象。
一种更快的方法是使用NumPy的datetime64和timedelta64 dtype作为NumPy数组执行日期算术：
sql = "SELECT y, w, d FROM t"
df = pd.read_sql(sql, engine)
date = (df['y'].astype('<i8')-1970).view('<M8[Y]')
delta = (df['w'].astype('<i8')*7).view('<m8[D]')
df['date'] = date+delta
df = df[['date', 'd']]
print(df)收益率
date d
0 2009-01-08 10
1 2009-01-15 15编辑:根据注释中哈迪的回答，还可以使用MySQL的日期函数计算SQL中的日期
sql = "SELECT STR_TO_DATE(CONCAT(y,':',w,':1'), '%x:%v:%w') as date, d FROM test.t"
df = pd.read_sql(sql, engine)产额
date d
0 2008-12-29 10
1 2009-01-05 15注意，根据MySQL文档，%v，意味着
Week (01..53), where Monday is the first day of the week; WEEK() mode 3; used with %x后来的在同一页上，模式3意味着
Mode First day of week Range Week 1 is the first week …
3 Monday 1-53 with 4 or more days this year对于意味着“今年有4天或更多天”的模式值，根据ISO 8601:1988来编号。
因此，如果您希望周数与ISO8601:1988保持一致，那么对于STR_TO_DATE，您应该使用%v (或%u)，而不是%V (或%U)。
请注意，我上面的第一个答案并不将该周解释为ISO 8601周数；它仅计算每周从1月1日起的7天。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/25461627
复制相关文章
相似问题
腾讯云开发者
