इस लेख में, हम बिल्ट-इन पैंडास लाइब्रेरी का उपयोग करके विभिन्न टाइमस्टैम्प्स को जनरेट और प्रोसेस करने के बारे में जानेंगे। हम टाइमस्टैम्प जनरेशन के लिए आवश्यक डेटाबेस को जनरेट और संशोधित करने के लिए नम्पी मॉड्यूल का भी उपयोग कर रहे हैं।
पसंदीदा IDE: जुपिटर नोटबुक
इस ट्यूटोरियल को शुरू करने से पहले हमें पैंडास और नम्पी लाइब्रेरी इंस्टॉल करनी होगी। इसके लिए जुपिटर नोटबुक कोड टेस्ट और रन करने के लिए सबसे अच्छी जगह है। पैंडास इंस्टॉल करने के लिए हमें निम्न कमांड चलाना होगा।
>>> pip install pandas
यदि हम यह कमांड चलाते हैं तो सभी निर्भरताएं स्वचालित रूप से इंस्टॉल हो जाती हैं। इसके पूरा होने के बाद हमें परिवर्तन देखने के लिए कर्नेल को रीस्टार्ट करना होगा।
सभी निर्भरताएं इंस्टॉल करने के बाद हम पैंडास को 'p' के रूप में इम्पोर्ट कर सकते हैं।
यहां हम डेटा फ्रेम कंस्ट्रक्टर को कॉल करते हैं और डेट आर्गुमेंट से पीरियड 4 और फ्रीक्वेंसी 2 घंटे के साथ एक डेटाबेस इनिशियलाइज़ करते हैं। 'time' की निर्दिष्ट करके हम डेटाबेस प्रदर्शित कर रहे हैं।
>&>> pip install pandas
>>> import pandas as p
>>> data_struct = p.DataFrame()
>>> data_struct['time'] = p.date_range('14/7/2019', periods=4, freq='3H')
>>> print(data_struct['time'])
0 2019-07-14 00:00:00
1 2019-07-14 03:00:00
2 2019-07-14 06:00:00
3 2019-07-14 09:00:00
Name: time, dtype: datetime64[ns]
>>> data_struct['year'] = data_struct['time'].dt.year
>>> data_struct.head(4)
time year
0 2019-07-14 00:00:00 2019
1 2019-07-14 03:00:00 2019
2 2019-07-14 06:00:00 2019
3 2019-07-14 09:00:00 2019
यहां हम नम्पी मॉड्यूल में मौजूद .array() फंक्शन को लागू करके टाइम स्ट्रिंग्स बनाते हैं। इन स्ट्रिंग्स को पैंडास लाइब्रेरी में .to_datetime() मेथड का उपयोग करके DateTime में परिवर्तित किया जाता है।
>>> import numpy as n
>>> dt_timestring = n.array(['14-07-2019 07:26 AM', '13-07-2019 11:01 PM'])
>>> timestamps = [p.to_datetime(date, format="%d-%m-%Y %I:%M %p", errors="coerce") for date in dt_timestring]
>>> print(timestamps)
[Timestamp('2019-07-14 07:26:00'), Timestamp('2019-07-13 23:01:00')]
यहां हम डेटाबेस को डेट के साथ इंडेक्स कर रहे हैं जिसका मतलब है कि .set_index() मेथड का उपयोग करके 'date' फील्ड पहले प्रदर्शित होगी।
>>> data_struct1 = p.DataFrame()
>>> data_struct1['date'] = p.date_range('18/07/2019', periods=5, freq='2H')
>>> data_struct1 = data_struct1.set_index(data_struct1['date'])
>>> print(data_struct1.head(5))
date date
2019-07-18 00:00:00 2019-07-18 00:00:00
2019-07-18 02:00:00 2019-07-18 02:00:00
2019-07-18 04:00:00 2019-07-18 04:00:00
2019-07-18 06:00:00 2019-07-18 06:00:00
2019-07-18 08:00:00 2019-07-18 08:00:00
यदि हम डेटाबेस से केवल एक विशिष्ट डेटासेट प्रदर्शित करना चाहते हैं तो हम नीचे चर्चा किए गए कमांड्स को लागू कर सकते हैं -
>>> data_struct2 = p.DataFrame()
>>> data_struct2['date'] = p.date_range('17/07/2019', periods=3, freq='4H')
>>> print(data_struct2.head(5))
date
0 2019-07-17 00:00:00
1 2019-07-17 04:00:00
2 2019-07-17 08:00:00
>>> inp = data_struct2[(data_struct2['date'] > '2019-07-17 04:00:00')]
>>> print(inp)
date
2 2019-07-17 08:00:00
निष्कर्ष
इस लेख में, हमने पायथन में टुपल्स को पैक और अनपैक करने के विभिन्न तरीकों के बारे में सीखा।
