Jahr, Monat und Wochentag extrahieren
Den dt-Accessor für Merkmale verwenden
Jahr, Monat und Wochentag extrahieren ist eine kostenlose Data Science Academy-Lektion auf CoddyKit. Dies ist Lektion 2 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des Data Science Academy-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der Data Science Academy-Kurs umfasst insgesamt 4 Lektionen.
Ein Zeitstempel enthält viele Informationen
Ein einzelner datetime-Wert enthält Jahr, Monat, Tag, Stunde und Wochentag. Die entscheidende Fähigkeit besteht darin, jeden Bestandteil für die Analyse als eigene Spalte herauszulösen. 🧩
Den dt-Accessor kennenlernen
Bei einer Datumsspalte ist der dt-Accessor Ihr Zugang zu diesen Informationen. Er stellt jeden Datumsbestandteil als einfaches Attribut bereit, das Sie lesen oder zuweisen können.
df["date"].dt # gateway to date partsDas Jahr herauslösen
Das year herauszuholen, erfordert nur eine Zeile. Das eignet sich hervorragend, um Verkäufe oder Ereignisse nach Jahren zu gruppieren.
df["year"] = df["date"].dt.yearDer Monat als Zahl
Das Attribut month gibt Werte von 1 bis 12 zurück. Verwenden Sie es, um denselben Monat über verschiedene Jahre hinweg zu vergleichen.
df["month"] = df["date"].dt.monthDer Monat als Name
Zahlen eignen sich gut zum Sortieren, aber Diagramme sind mit Namen besser lesbar. Verwenden Sie month_name, um January, February und die übrigen Monatsnamen zu erhalten.
df["date"].dt.month_name() # 'March'Der Wochentag
Das Attribut dayofweek nummeriert die Tage von Monday=0 bis Sunday=6. Es bildet die Grundlage jeder Analyse von Wochentagen.
df["dow"] = df["date"].dt.dayofweekDer Wochentag als Name
Möchten Sie stattdessen lesbare Bezeichnungen? Verwenden Sie day_name, um jedes Datum für eine übersichtliche Gruppierung in Monday, Tuesday und so weiter umzuwandeln.
df["date"].dt.day_name() # 'Friday'Das Wochenende erkennen
Kombinieren Sie dayofweek mit einem Vergleich, um Wochenenden zu markieren. Diese boolesche Spalte trennt Arbeitstage sofort von Ruhetagen.
df["weekend"] = df["date"].dt.dayofweek >= 5Quartal und Tag des Jahres
Zwei weitere nützliche Bestandteile: quarter für Berichte von Q1 bis Q4 und dayofyear, um die Position innerhalb eines Jahres zu verfolgen.
df["date"].dt.quarter
df["date"].dt.dayofyearAuch Stunden und Minuten
Wenn Ihre Daten eine Uhrzeit enthalten, stellt der dt-Accessor auch hour und minute bereit. So können Sie Zeitfenster mit besonders hoher Aktivität leicht untersuchen.
df["hour"] = df["date"].dt.hourFeatures ermöglichen Analysen
Jeder extrahierte Bestandteil wird zu einem Feature, nach dem Sie gruppieren oder das Sie einem Modell zuführen können. So werden aus rohen Zeitstempeln Erkenntnisse.
df.groupby(df["date"].dt.month).size()Schnelltest
Sie möchten Zeilen markieren, die auf einen Samstag oder Sonntag fallen.
Zusammenfassung: Jedes Datum aufschlüsseln
Sie haben den dt-Accessor verwendet, um Jahr, Monat, Wochentag, Quartal und Stunde aus Zeitstempeln herauszulösen und jeden Bestandteil in ein für Gruppierungen geeignetes Feature umzuwandeln. 🗓️
Lerne Python mit einem KI-Tutor — kostenlos
Schreibe und führe echten Code in deinem Browser aus, bekomme sofortige Hilfe von einem 24/7 KI-Tutor und setze dein Lernen im Web oder in der App fort.
- Kurse
- 30
- Lektionen
- 120
Häufig gestellte Fragen
Ist die Lektion „Jahr, Monat und Wochentag extrahieren“ kostenlos?
Ja — der vollständige Text von „Jahr, Monat und Wochentag extrahieren“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des Data Science Academy-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der Data Science Academy-Kurs umfasst insgesamt 4 Lektionen.
Was lerne ich in „Jahr, Monat und Wochentag extrahieren“?
Den dt-Accessor für Merkmale verwenden Du übst Data Science Academy mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.
Brauche ich Erfahrung, um Data Science Academy zu starten?
Keine Vorkenntnisse erforderlich. Data Science Academy auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 2 von 4.
Wie lange dauert die Lektion „Jahr, Monat und Wochentag extrahieren“?
Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.
Kann ich in dieser Data Science Academy-Lektion Code schreiben und ausführen?
Ja. Jede Data Science Academy-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.
Alle Lektionen in diesem Kurs
- Zeichenketten in Datetimes parsen
- Jahr, Monat und Wochentag extrahieren
- Auf Tages- oder Monatsebene resamplen
- Zeitzonen und Datumsbereiche