Extrair ano, mês e dia da semana
Usando o acessador dt para criar recursos.
Extrair ano, mês e dia da semana é uma aula grátis de Data Science Academy no CoddyKit. Esta é a aula 2 de 4. Você pode ler a aula completa abaixo gratuitamente — depois pratica ao vivo no navegador com um editor de código integrado e um tutor de IA 24/7. Faz parte do caminho de aprendizado de Data Science Academy, e seu progresso é sincronizado entre a web e o app CoddyKit. O curso de Data Science Academy inclui 4 aulas no total.
Partes desta aula ainda não foram traduzidas e aparecem em inglês.
A Timestamp Holds a Lot
One datetime value packs a year, month, day, hour, and weekday inside it. The skill is pulling each piece out as its own column for analysis. 🧩
Meet the dt Accessor
On a datetime column, the dt accessor is your gateway. It exposes every date part as a simple attribute you can read or assign.
df["date"].dt # gateway to date partsPull Out the Year
Grabbing the year is one line. It is perfect for grouping sales or events into annual buckets.
df["year"] = df["date"].dt.yearMonth as a Number
The month attribute returns 1 through 12. Use it to compare the same month across different years.
df["month"] = df["date"].dt.monthMonth by Name
Numbers are fine for sorting, but charts read better with names. Use month_name to get January, February, and friends.
df["date"].dt.month_name() # 'March'Day of the Week
The dayofweek attribute numbers days from Monday=0 to Sunday=6. It is the backbone of any weekday analysis.
df["dow"] = df["date"].dt.dayofweekWeekday by Name
Want readable labels instead? Use day_name to turn each date into Monday, Tuesday, and so on for clean grouping.
df["date"].dt.day_name() # 'Friday'Spot the Weekend
Combine dayofweek with a comparison to flag weekends. This boolean column instantly splits work days from rest days.
df["weekend"] = df["date"].dt.dayofweek >= 5Quarter and Day of Year
Two more handy parts: quarter for Q1 to Q4 reporting, and dayofyear for tracking position within a single year.
df["date"].dt.quarter
df["date"].dt.dayofyearHours and Minutes Too
If your data has time, the dt accessor also exposes hour and minute. That makes it easy to study peak activity windows.
df["hour"] = df["date"].dt.hourFeatures Power Analysis
Each extracted part becomes a feature you can group by or feed to a model. This is how raw timestamps turn into insight.
df.groupby(df["date"].dt.month).size()Quick Check
You want to flag rows that fall on Saturday or Sunday.
Recap: Unpack Any Date
You used the dt accessor to pull year, month, weekday, quarter, and hour from timestamps, turning each into a feature ready for grouping. 🗓️
Perguntas Frequentes
A aula “Extrair ano, mês e dia da semana” é grátis?
Sim — o texto completo de “Extrair ano, mês e dia da semana” é grátis para ler aqui na web. Para praticá-la interativamente (um editor de código integrado e um tutor de IA 24/7) e desbloquear o restante do curso de Data Science Academy, atualize para CoddyKit PRO. O curso de Data Science Academy inclui 4 aulas no total.
O que vou aprender em “Extrair ano, mês e dia da semana”?
Usando o acessador dt para criar recursos. Você pratica Data Science Academy com código prático que executa diretamente no navegador, e um tutor de IA 24/7 responde suas dúvidas enquanto trabalha na aula.
Preciso ter experiência prévia para começar Data Science Academy?
Nenhuma experiência prévia é necessária. Data Science Academy no CoddyKit é estruturado para alunos iniciantes até avançados, então você pode começar aqui ou desde o início e aprender no seu ritmo. Esta é a aula 2 de 4.
Quanto tempo leva a aula “Extrair ano, mês e dia da semana”?
A maioria das aulas CoddyKit leva cerca de 5–10 minutos. Cada uma é compacta e interativa, então você faz progresso constante e retoma exatamente de onde parou entre web e app.
Posso escrever e executar código nesta aula de Data Science Academy?
Sim. Cada aula de Data Science Academy inclui um editor de código integrado, então você escreve e executa código real direto no navegador e recebe feedback de IA instantaneamente — nenhuma configuração local necessária.
Todas as aulas deste curso
- Analisar strings como datas e horas
- Extrair ano, mês e dia da semana
- Reamostrar por dia ou por mês
- Fusos horários e intervalos de datas