<\/p>\n
\u00c8 possibile utilizzare la seguente sintassi di base per creare una colonna di data dalle colonne di anno, mese e giorno in un DataFrame Pandas:<\/span><\/p>\n L’esempio seguente mostra come utilizzare questa sintassi nella pratica.<\/span><\/p>\n Diciamo che abbiamo il seguente DataFrame panda che mostra le vendite effettuate da un’azienda in date diverse:<\/span><\/p>\n Possiamo utilizzare la seguente sintassi per creare una nuova colonna chiamata date<\/strong> che combina i valori delle colonne year<\/strong> , Month<\/strong> e day<\/strong> nel DataFrame per creare una data per ogni riga:<\/span><\/p>\n Tieni presente che la colonna della data<\/strong> contiene valori di data basati sui valori nelle colonne anno<\/strong> , mese<\/strong> e giorno<\/strong> in ciascuna riga.<\/span><\/p>\n Se utilizziamo df.info()<\/strong> per ottenere informazioni su ciascuna colonna nel DataFrame, possiamo vedere che la nuova colonna della data<\/strong> ha un tipo di dati datetime64<\/strong> :<\/span><\/p>\n I seguenti tutorial spiegano come eseguire altre operazioni comuni nei panda:<\/span><\/p>\n Come aggiungere e sottrarre giorni da una data in Pandas<\/a> \u00c8 possibile utilizzare la seguente sintassi di base per creare una colonna di data dalle colonne di anno, mese e giorno in un DataFrame Pandas: df[‘ date ‘] = pd. to_datetime (dict(year=df. year , month=df. month , day=df. day )) L’esempio seguente mostra come utilizzare questa sintassi nella pratica. Esempio: crea una colonna di data […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n df[' date<\/span> '] = pd. to_datetime<\/span> (dict(year=df. year<\/span> , month=df. month<\/span> , day=df. day<\/span> ))\n<\/strong><\/pre>\n Esempio: crea una colonna di data da anno, mese e giorno in Pandas<\/strong><\/span><\/h2>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame<\/span>\ndf = pd. DataFrame<\/span> ({' year<\/span> ': [2021, 2022, 2022, 2022, 2022, 2022, 2022, 2022],\n ' month<\/span> ': [7, 1, 1, 2, 5, 10, 11, 12],\n ' day<\/span> ': [4, 15, 25, 27, 27, 24, 10, 18],\n ' sales<\/span> ': [140, 200, 250, 180, 130, 87, 90, 95]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n year month day sales\n0 2021 7 4 140\n1 2022 1 15 200\n2 2022 1 25 250\n3 2022 2 27 180\n4 2022 5 27 130\n5 2022 10 24 87\n6 2022 11 10 90\n7 2022 12 18 95\n<\/strong><\/span><\/pre>\n #create date columns from year, month, and day columns\n<\/span>df[' date<\/span> '] = pd. to_datetime<\/span> (dict(year=df. year<\/span> , month=df. month<\/span> , day=df. day<\/span> ))\n\n#view updated DataFrame\nprint<\/span><\/span> (df)\n\n year month day sales date\n0 2021 7 4 140 2021-07-04\n1 2022 1 15 200 2022-01-15\n2 2022 1 25 250 2022-01-25\n3 2022 2 27 180 2022-02-27\n4 2022 5 27 130 2022-05-27\n5 2022 10 24 87 2022-10-24\n6 2022 11 10 90 2022-11-10\n7 2022 12 18 95 2022-12-18\n<\/span><\/span><\/strong><\/pre>\n #display information about each column in DataFrame\ndf. info<\/span> ()\n\n<class 'pandas.core.frame.DataFrame'>\nRangeIndex: 8 entries, 0 to 7\nData columns (total 5 columns):\n # Column Non-Null Count Dtype \n--- ------ -------------- ----- \n 0 year 8 non-null int64 \n 1 month 8 non-null int64 \n 2 day 8 non-null int64 \n 3 dirty 8 non-null int64 \n 4 date 8 non-null datetime64[ns]\ndtypes: datetime64[ns](1), int64(4)\nmemory usage: 388.0 bytes<\/span><\/span><\/strong><\/pre>\n Risorse addizionali<\/strong><\/span><\/h2>\n
Come selezionare le righe tra due date in Pandas<\/a>
Come calcolare la differenza tra due date nei panda<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"