选取pd.to_datetime中的day

您可以使用.day属性来选择pd.to_datetime中的day，如下所示：

import pandas as pd

# 创建示例数据
data = {'date': ['2021-01-01', '2021-01-02', '2021-01-03', '2021-01-04', '2021-01-05']}
df = pd.DataFrame(data)

# 将date列转换为日期格式
df['date'] = pd.to_datetime(df['date'])

# 选择day
day = df['date'].dt.day
print(day)

输出结果：

0    1
1    2
2    3
3    4
4    5
Name: date, dtype: int64

在此示例中，我们使用pd.to_datetime将日期字符串转换为日期格式，并使用.dt.day属性选择了日期中的day。最后，我们打印了day的值。

相关问题

pd.to_datetime用法

pd.to_datetime是pandas库中的一个函数，用于将字符串或数字转换为日期时间类型。它的用法如下：

1. 将字符串转换为日期时间类型：

import pandas as pd
date_str = '2022-09-01'
date = pd.to_datetime(date_str)
print(date)

输出结果为：

2022-09-01 00:00:00

2. 将数字转换为日期时间类型：

import pandas as pd
timestamp = 1663219200
date = pd.to_datetime(timestamp, unit='s')
print(date)

输出结果为：

2022-01-15 00:00:00

3. 将一列数据转换为日期时间类型：

import pandas as pd
df = pd.DataFrame({'date': ['2022-09-01', '2022-09-02', '2022-09-03']})
df['date'] = pd.to_datetime(df['date'])
print(df)

输出结果为：

        date
0 2022-09-01
1 2022-09-02
2 2022-09-03

4. 将多列数据转换为日期时间类型：

import pandas as pd
df = pd.DataFrame({'year': [2022, 2022, 2022],
                   'month': [9, 9, 9],
                   'day': [1, 2, 3]})
df['date'] = pd.to_datetime(df[['year', 'month', 'day']])
print(df)

输出结果为：

   year  month  day       date
0  2022      9    1 2022-09-01
1  2022      9    2 2022-09-02
2  2022      9    3 2022-09-03

其中 `df[['year', 'month', 'day']]` 表示选取 `df` 中的 `'year'`、`'month'`、`'day'` 三列数据作为输入，将它们转换为日期时间类型后存储到 `'date'` 列中。

#coding:utf8 import pandas as pd import matplotlib.pyplot as plt import seaborn as sns import numpy as np sns.set_style('darkgrid') import matplotlib.font_manager as fm myfont=fm.FontProperties(fname=r'./data/simhei.ttf') #请完善下面的函数 def push_week(new_data): ############ Begin ############ new_data=new_data[new_data['type']==4].copy() #选取样本 new_data['weekdays'] = pd.to_datetime(new_data['time']).apply(lambda x: x.weekday()+1) #时间转化 week_days = new_data.groupby('weekdays')['user_id'].count() #统计购买次数 fig=plt.figure(figsize=(8,6)) #设置大小 bar_width = 0.33 # 设置宽度 plt.bar(week_days.index.values , week_days.values, bar_width, label='下单的次数') plt.xlabel('时间',fontproperties=myfont,fontsize=9) plt.ylabel('数量',fontproperties=myfont,fontsize=9) plt.title('一周内每天的下单情况',fontproperties=myfont,fontsize=12) plt.xticks(week_days.index.values, ('周一', '周二', '周三', '周四', '周五', '周六', '周日'),fontproperties=myfont,fontsize=9) plt.ylim(0,300) plt.legend(prop=myfont) ############ End ############ plt.savefig('./task2/task2_week.png') plt.close(fig) def push_date(new_data): new_data = new_data[(new_data['type'] == 4) & (pd.to_datetime(new_data['time']) < pd.to_datetime('2016-03-01'))].copy() #选出2016年数据 new_data['days'] = [x.day for x in pd.to_datetime(new_data['time'])] #选出天数 renew=new_data.groupby('days')['sku_id'].count() fig = plt.figure(figsize=(8, 6)) plt.plot(renew.index.values,renew.values,label='购买次数') plt.xlabel('天数',fontproperties=myfont,fontsize=9) plt.ylabel('次数',fontproperties=myfont,fontsize=9) plt.title('购买量和月内日期的关系',fontproperties=myfont,fontsize=12) plt.legend(prop=myfont) ############ End ############ plt.savefig('./task2/task2_date.png') plt.close(fig) 报错src/task2_test.py:22: FutureWarning: The pandas.datetime class is deprecated and will be removed from pandas in a future version. Import from datetime instead. data['weekdays'] = pd.to_datetime(data['time']).apply(pd.datetime.weekday) + 1 购买意愿与星期之间的关系图完成！ 购买意愿与日期之间的关系图完成！

这个错误是因为pandas.datetime类已经被弃用，建议使用datetime库来代替。可以将代码中的pd.datetime.weekday()改为pd.datetime().weekday()，即可解决这个问题。

修改后的代码如下：

#coding:utf8
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
sns.set_style('darkgrid')
import matplotlib.font_manager as fm

myfont=fm.FontProperties(fname=r'./data/simhei.ttf')

#请完善下面的函数
def push_week(new_data):
    ############ Begin ############
    new_data=new_data[new_data['type']==4].copy() #选取样本
    new_data['weekdays'] = pd.to_datetime(new_data['time']).apply(lambda x: x.weekday()+1) #时间转化
    week_days = new_data.groupby('weekdays')['user_id'].count() #统计购买次数
    fig=plt.figure(figsize=(8,6)) #设置大小
    bar_width = 0.33 # 设置宽度
    plt.bar(week_days.index.values , week_days.values, bar_width, label='下单的次数')
    plt.xlabel('时间',fontproperties=myfont,fontsize=9)
    plt.ylabel('数量',fontproperties=myfont,fontsize=9)
    plt.title('一周内每天的下单情况',fontproperties=myfont,fontsize=12)
    plt.xticks(week_days.index.values, ('周一', '周二', '周三', '周四', '周五', '周六', '周日'),fontproperties=myfont,fontsize=9)
    plt.ylim(0,300)
    plt.legend(prop=myfont)
    ############ End ############
    plt.savefig('./task2/task2_week.png')
    plt.close(fig)

def push_date(new_data):
    new_data = new_data[(new_data['type'] == 4) & (pd.to_datetime(new_data['time']) < pd.to_datetime('2016-03-01'))].copy() #选出2016年数据
    new_data['days'] = [x.day for x in pd.to_datetime(new_data['time'])] #选出天数
    renew=new_data.groupby('days')['sku_id'].count()
    fig = plt.figure(figsize=(8, 6))
    plt.plot(renew.index.values,renew.values,label='购买次数')
    plt.xlabel('天数',fontproperties=myfont,fontsize=9)
    plt.ylabel('次数',fontproperties=myfont,fontsize=9)
    plt.title('购买量和月内日期的关系',fontproperties=myfont,fontsize=12)
    plt.legend(prop=myfont)
    ############ End ############
    plt.savefig('./task2/task2_date.png')
    plt.close(fig)

建议在代码中加入注释，使得代码更加易读易懂。