datetime的时区转换 1.将时区信息添加到datetime日期时间对象from datetime import datetime from pytz import timezone date_str = "2009-05-05 22:28:15" datetime_obj = datetime.strptime(date_str, "%Y-%m-%d %H:%M:%S") datetime_obj_utc = datetime_obj.replace(tzinfo=timezone('UTC')) print(datetime_obj_utc.strftime("%Y-%m-%d %H:%M:%S %Z%z"))运行结果：2009-05-05 22:28:15 UTC+00002.将非UTC时区信息添加到datetime日期时间对象from datetime import datetime from pytz import timezone date_str = "2014-05-28 22:28:15" datetime_obj_naive = datetime.strptime(date_str, "%Y-%m-%d %H:%M:%S") # 错误的方式❌! datetime_obj_pacific = datetime_obj_naive.replace(tzinfo=timezone('US/Pacific')) print(datetime_obj_pacific.strftime("%Y-%m-%d %H:%M:%S %Z%z")) # 正确的方式✅! datetime_obj_pacific = timezone('US/Pacific').localize(datetime_obj_naive) print(datetime_obj_pacific.strftime("%Y-%m-%d %H:%M:%S %Z%z"))运行结果：2014-05-28 22:28:15 PST-08002014-05-28 22:28:15 PDT-07003.时区转换from datetime import datetime from pytz import timezone fmt = "%Y-%m-%d %H:%M:%S %Z%z" # Current time in UTC now_utc = datetime.now(timezone('UTC')) print(now_utc.strftime(fmt)) # Convert to US/Pacific time zone now_pacific = now_utc.astimezone(timezone('US/Pacific')) print(now_pacific.strftime(fmt)) # Convert to Europe/Berlin time zone now_berlin = now_pacific.astimezone(timezone('Europe/Berlin')) print(now_berlin.strftime(fmt))运行结果：2009-05-06 03:09:49 UTC+00002009-05-05 20:09:49 PDT-07002009-05-06 05:09:49 CEST+02004.查看所有时区from pytz import all_timezones print len(all_timezones) for zone in all_timezones: if 'US' in zone: print(zone)运行结果：US/AlaskaUS/AleutianUS/ArizonaUS/CentralUS/East-IndianaUS/EasternUS/HawaiiUS/Indiana-StarkeUS/MichiganUS/MountainUS/PacificUS/Pacific-NewUS/Samoa

Pandas修改列名 # 使用字典替换 df = df.rename(columns = {'title_year':'release_date', 'movie_facebook_likes':'facebook_likes'}) # 直接修改列名 df.columns = ['release_date','facebook_likes']

Pandas带格式导出为xlsx文件 # 创建文件 writer = pd.ExcelWriter('订单.xlsx',engine='xlsxwriter') # 创建百分数格式 percent_fmt = writer.book.add_format({'num_format': '0.00%'}) # 写入表格 df.to_excel(writer,sheet_name='订单详情',encoding='utf8',index=False) # 调整格式 sheet = writer.sheets['订单详情'] sheet.set_column('A:B',20) #设置AB列宽20 sheet.set_column('C:D',20, percent_fmt) #设置AB列宽20,百分数单元格格式 sheet.set_row(2,30) #设置第2行高30 # 写入公式 for index in range(0,len(df)): in_str = str(index+3) sheet.write_formula('O'+in_str,'=IFERROR(HYPERLINK(VLOOKUP(A{0},图片!$A$2:$D$1000,3,FALSE),"链接"),"")'.format(in_str)) # 保存文件 writer.save()

Pandas数据清洗之替换字符串 1.replace：将指定位置的字符，替换为给定的字符串df['身高'] = df['身高'].str.replace(':','-') df['身高'] = df['身高'].apply(lambda x: x.replace(':','-'))2.findall使用正则表达式，做数据清洗，真的很香！df["身高"] df["身高"].str.findall("[a-zA-Z]+")3.split方法+expand参数：搭配join方法功能很强大# 普通用法 df["身高"].str.split(":") # split方法，搭配expand参数 df[["身高描述","final身高"]] = df["身高"].str.split(":",expand=True) df # split方法搭配join方法 df["身高"].str.split(":").str.join("?"*5) 3.strip/rstrip/lstrip：去除空白符、换行符df["姓名"] = df["姓名"].str.strip() #Python rstrip() 删除 string 字符串末尾的指定字符（默认为空格)。 #Python lstrip() 删除 string 字符串头部的指定字符（默认为空格)。

Pandas数据清洗之删除行、列的方法 1.删除指定列df.drop(['推荐花费','搜索花费'],axis=1,inplace=True)2.删除某列为空的行df.dropna(axis=0,how='any',subset=['pic_id'],inplace=True)3.删除符合条件的行、列#删除某列值的字符串包含某字符串的行 df = df[df['分配内容'].str.contains('系统')] df.drop(df[<some boolean condition>].index,inplace=True) #删除A列数值为2的行 df.drop(df.index[df['A'] == 2],inplace=True) # 删除a行数据为3的列 df.drop(df.columns[df.loc['a'] == 3],axis=1,inplace=True) 4.删除重复的行# 删除A、B两列重复的行 df.drop_duplicates(subset=['A','B'],keep='first',inplace=True) # 删除完全相同的行 data.drop_duplicates(inplace=True)