Saudações, cientistas de dados!
A biblioteca Pandas do Python facilita a manipulação de datas em análises de dados. Com o Pandas, você pode transformar datas em formatos legíveis e extrair informações úteis.
Vejamos alguns exemplos:
Transformar data e hora para data:
import pandas as pd
data_hora = '2022-05-15 14:30:00'
data = pd.to_datetime(data_hora).date()
print(data)
Extração de ano, mês e trimestre:
ano = data.year
mes = data.month
trimestre = data.quarter
print(f"Ano: {ano}, Mês: {mes}, Trimestre: {trimestre}")
Conversão de formato personalizado:
data_formatada = data.strftime('%d/%m/%Y')
print(data_formatada)
Avançando uma data:
data = pd.to_datetime('2022-05-15')
data_avancada = data + pd.DateOffset(days=2)
print(data_avancada.date())
Retrocedendo uma data:
data = pd.to_datetime('2022-05-15')
data_retrocida = data - pd.DateOffset(days=2)
print(data_retrocida.date())
Encontrando a diferença entre duas datas:
data1 = pd.to_datetime('2022-05-15')
data2 = pd.to_datetime('2022-05-20')
diferenca = (data2 - data1).days
print(diferenca)
Com a biblioteca Pandas, você pode realizar diversas outras operações com datas, como cálculos de diferenças entre datas, filtragem por período e agrupamento por intervalos de tempo.
Se você tiver mais dúvidas ou precisar de mais informações, estou aqui para ajudar!
Top comments (0)