Datumswerte mit pandas verarbeiten
Korrekt typisierte Datumswerte ermöglichen Zeiträume, Kalendermerkmale, Resampling und chronologische Filter.
Was ist Datumswerte mit pandas verarbeiten?
Korrekt typisierte Datumswerte ermöglichen Zeiträume, Kalendermerkmale, Resampling und chronologische Filter.
Konvertiere, filtere und gruppiere Zeitangaben.
Wann wird dieser Ansatz verwendet?
- Tabellarische Daten einlesen, bereinigen und umformen.
- Daten aus CSV-Dateien, APIs und Datenbanken analysieren.
- Berichte und statistische Auswertungen erstellen.
Beispielcode
main.py
import pandas as pd
events = pd.DataFrame({"date": ["2026-08-10", "2026-08-12"]})
events["date"] = pd.to_datetime(events["date"])
events["day"] = events["date"].dt.day_name()
print(events)Erwartete Ausgabe
date day
0 2026-08-10 Monday
1 2026-08-12 WednesdaySo funktioniert es
to_datetime analysiert Textwerte. Der .dt-Zugriff stellt Jahr, Monat und weitere Komponenten vektorisiert bereit; ungültige Werte können zu NaT konvertiert werden.
Ändere die Werte und führe das Programm im CodeUtility Python Online-Compiler aus, ohne Python lokal zu installieren.
Übungsaufgaben
Verändere Eingaben und Randfälle, bevor du die Lösung mit größeren Datenmengen testest.
- Ergänze Zeilen, Spalten und fehlende Werte.
- Kombiniere Filtern, Sortieren und groupby in einer Auswertung.
- Lies eine reale Datei ein und überprüfe die Datentypen.