Arbeta med DateTime-kolumner
pandas läser in datetime-kolumner som datatypen object som standard. Textbaserade datum är inte särskilt användbara för tidsserieanalys, så du behöver kunna konvertera sådana kolumner till datatypen datetime. Den här datatypen ger dig större flexibilitet när du arbetar med datum i pandas och gör det enkelt att extrahera användbara särdrag från dem.
Ett nytt aktiedataset, den här gången för Apple, har lästs in som apple.
Den här övningen är en del av kursen
Avvikelsedetektering i Python
Övningsinstruktioner
- Konvertera kolumnen
Dateiappletill endatetime-kolumn. - Extrahera veckodagen och lagra den i en ny kolumn som heter
day_of_week. - Extrahera månadsnumret och lagra det i en ny kolumn som heter
month. - Extrahera dagen i månaden och lagra den i en ny kolumn som heter
day_of_month.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Convert the Date column to DateTime
apple['Date'] = ____
# Create a column for the day of the week
apple['day_of_week'] = ____
# Create a column for the month
apple['month'] = ____
# Create a column for the day of the month
apple['day_of_month'] = ____
print(apple[['day_of_week', 'month', 'day_of_month']])