ADT课堂第十二讲-Date Functions-offsets

https://www.aidatatool.com/

相信大家对SAS、Python、R、MATLAB，SQL并不陌生，以上五种语言已经逐渐或已经普遍应用于数据分析行业日常工作中。甚至在北美银行、金融等行业，工具语言的选择中已经出现了SAS向Python和R转移的趋势。所以，要想混迹数据分析圈，只会Excel或者只会一种工具语言是远远不够的。

AIdatatool不仅提供各工具语言的独立知识内容，还提供任意两种语言的对比学习。我们将通过ADT课堂推送的形式每周与大家分享知识与热点，助力您的职业生涯。

无论你是即将毕业还是早已久经职场，都可以通过AIdatatool.com来充实自己，为自己的求职路取得一块敲门砖，亦或是在硝烟弥漫的职场中获取更多的机会。

第十二讲 DateFunctions-offsets

很多数据都包含时间变量，如果时间间隔是常数时，处理这种数据比较容易，然而当时间间隔不是常数时则会比较复杂。比如说‘下一个工作日’（要考虑长周末或标准假日），每个月第四周的周一，每年年初，每月月末，每周周末等。在一个连续的时间序列中要找这些特定时间则是相当麻烦的。Python 的Pandas包为我们提供了一个这类时间问题的解决方案，与Python相对应，其它语言也有相应的处理方法，但比较而言，还是Pandas方案简单易懂。本讲给出了一个简单的例子展示这种功能，大家不妨比较一下。

#offsets:

Python: df['Check Point 1'] + pd.offsets.YearBegin()

SAS: intnx( 'year', CheckPoint1, 1 )

R:

Matlab: cellstr(datestr(datenum(year(df.Check_Point1) + 1,1,1)))

MySQL:

CASE WHEN DATE_FORMAT(checkpoint1,'%M') >= '6'

THEN DATE_FORMAT(date_add(checkpoint1, interval 1 year), '%Y.01.01')

END

数据导入

输入：

SAS

code:

result:

Python

code:

result:

R

code:

result:

MATLAB

code:

result:

SQL

code:

result:

offsets

输入：

Python

code:

result:

SAS

code:

result:

R

code:

result:

MATLAB

code:

result:

SQL

code:

result:

下期预告：