我们可以将一连串的时间特征进行拆分，比如：2015-03-08 10:30:00.360000+00:00， 我们可以将其转换为日期类型，然后从里面提取年，月，日等时间信息
对于一些hour，month等信息，我们也可以使用pd.cut将hour信息按照时刻转换为离散数据，如morning，afternonn等等
代码：
第一步：载入数据
第二步：将数据转换为DataFrame格式
第三步：使用pd.Timestamp将字符串格式转换为时间格式
第四步：使用.apply提取时间格式中的各个属性特征
第五步：提取与时刻相关的属性
第六步：使用pd.cut对hour特征进行切分，转换为离散特征
第七步：使用LabelEncoder对离散数据进行数字编码
import pandas as pd# 第一步:构造DataFrame数据time_stamps = ['2015-03-08 10:30:00.360000+00:00', '2017-07-13 15:45:05.755000-07:00', '2012-01-20 22:30:00.254000+05:30', '2016-12-25 00:30:00.000000+10:00']# 第二步: 将time_stamps转换为DataFrame格式time_pd = pd.DataFrame(time_stamps, columns=['Times'])# 第三步: 使用pd.Timestamp 将字符串类型转换为日期格式time_pd['stamp'] = [pd.Timestamp(time) for time in time_pd['Times'].values]# print(time_pd[['stamp', 'Times']])
字符串时间日期化，从外表看两者并没有区别
# 第四步：使用.apply对每一个数据提取属性, lambda表示输入是x，返回是x.yeartime_pd['year'] = time_pd['stamp'].apply(lambda x: x.year)time_pd['month'] = time_pd['stamp'].apply(lambda x: x.month)time_pd['day'] = time_pd['stamp'].apply(lambda x: x.day)time_pd['DayOfWeek'] = time_pd['stamp'].apply(lambda d: d.dayofweek)time_pd['DayName'] = time_pd['stamp'].apply(lambda d: d.weekday_name)time_pd['DayOfYear'] = time_pd['stamp'].apply(lambda d: d.dayofyear)time_pd['WeekOfYear'] = time_pd['stamp'].apply(lambda d: d.weekofyear)time_pd['Quarter'] = time_pd['stamp'].apply(lambda d: d.quarter)# 第五步： 提取与时刻有关的特征time_pd['Hour'] = time_pd['stamp'].apply(lambda d: d.hour)time_pd['Minute'] = time_pd['stamp'].apply(lambda d: d.minute)time_pd['Second'] = time_pd['stamp'].apply(lambda d: d.second)time_pd['MUsecond'] = time_pd['stamp'].apply(lambda d: d.microsecond) #毫秒time_pd['UTC_offset'] = time_pd['stamp'].apply(lambda d: d.utcoffset())# 第六步：使用pd.cut将hour的数据进行切分，分成几个过程cut_hour = [-1, 5, 11, 16, 21, 23]cut_labels = ['last night', 'morning', 'afternoon', 'evening', 'Night']time_pd['Hour_cut'] = pd.cut(time_pd['Hour'], bins=cut_hour, labels=cut_labels)print(time_pd['Hour_cut'].head())
hour数据转换为离散的数据格式
# 第七步：使用LabelEncoder对标签进行数值转换from sklearn.preprocessing import LabelEncoderLa = LabelEncoder()time_pd['Hour_number'] = La.fit_transform(time_pd['Hour_cut'])label_dict = {classes: number for number, classes in enumerate(La.classes_)}print(time_pd[['Hour_cut', 'Hour_number']])print(label_dict) 
离散特征转换为数字映射