行效果圖:
運(yùn)行效果圖
JavaScript核心代碼:
<script>
function gettime() {
var date=Date.parse(new Date());
$('#time').val(date);
}
function change() {
var value=getDateDiff($('#time').val());
$('#timedisplay').text(value);
}
function getDateDiff(dateTimeStamp) {
var minute=1000 * 60;
var hour=minute * 60;
var day=hour * 24;
var halfamonth=day * 15;
var month=day * 30;
var now=new Date().getTime();
var diffValue=now - dateTimeStamp;
if(diffValue < 0) {
return;
}
var monthC=diffValue / month;
var weekC=diffValue / (7 * day);
var dayC=diffValue / day;
var hourC=diffValue / hour;
var minC=diffValue / minute;
if(monthC >=1) {
result="" + parseInt(monthC) + "個(gè)月前";
} else if(weekC >=1) {
result="" + parseInt(weekC) + "周前";
} else if(dayC >=1) {
result="" + parseInt(dayC) + "天前";
} else if(hourC >=1) {
result="" + parseInt(hourC) + "小時(shí)前";
} else if(minC >=1) {
result="" + parseInt(minC) + "分鐘前";
} else
result="剛剛";
return result;
}
</script>
HTML代碼:
<label>輸入一個(gè)時(shí)間戳:</label>
<input id="time" placeholder="輸入時(shí)間戳">
<button onclick="gettime()">獲取當(dāng)前</button>
<button onclick="change()">轉(zhuǎn)換</button>
<label id="timedisplay"></label>
寫公共方法,這里以賦值到 laytpl 對(duì)象為例
之所以將方法暴露給寫成方法,是便于能讀取到。
toDateString(d, format) 方法接受兩個(gè)參數(shù)。其中 d 可以是日期對(duì)象,也可以是毫秒數(shù)。format 是日期字符的格式,你可以隨意定義,如:yyyy年MM月dd日
在列模板中調(diào)用時(shí)間戳的處理方法
講解:
d.time 中的 time 即是你接口返回的字段,如果是 unix 時(shí)間戳,這里記得要 d.time*1000,如果是毫秒數(shù),這里直接傳 d.time 即可。
者:Roman Orac
魚羊 編譯整理
量子位 報(bào)道 | 公眾號(hào) QbitAI
數(shù)據(jù)分析,如何能錯(cuò)過(guò) Pandas 。
現(xiàn)在,數(shù)據(jù)科學(xué)家 Roman Orac 分享了他在工作中相見恨晚的 Pandas 使用技巧。
了解了這些技巧,能讓你在學(xué)習(xí)、使用 Pandas 的時(shí)候更加高效。
話不多說(shuō),一起學(xué)習(xí)一下~
用 Pandas 做數(shù)據(jù)分析,最大的亮點(diǎn)當(dāng)屬 DataFrame。不過(guò),在展示成果的時(shí)候,常常需要把 DataFrame 轉(zhuǎn)成另一種格式。
Pandas 在這一點(diǎn)上其實(shí)十分友好,只需添加一行代碼。
DataFrame 轉(zhuǎn) HTML
如果你需要用 HTML 發(fā)送自動(dòng)報(bào)告,那么 to_html 函數(shù)了解一下。
比如,我們先設(shè)定這樣一個(gè) DataFrame:
import numpy as np
import pandas as pd
import random
n = 10
df = pd.DataFrame(
{
"col1": np.random.random_sample(n),
"col2": np.random.random_sample(n),
"col3": [[random.randint(0, 10) for _ in range(random.randint(3, 5))] for _ in range(n)],
}
)
用上 to_html,就可以將表格轉(zhuǎn)入 html 文件:
df_html = df.to_html()
with open(‘a(chǎn)nalysis.html’, ‘w’) as f: f.write(df_html)
與之配套的,是 read_html 函數(shù),可以將 HTML 轉(zhuǎn)回 DataFrame。
DataFrame 轉(zhuǎn) LaTeX
如果你還沒用過(guò) LaTeX 寫論文,強(qiáng)烈建議嘗試一下。
要把 DataFrame 值轉(zhuǎn)成 LaTeX 表格,也是一個(gè)函數(shù)就搞定了:
df.to_latex()
DataFrame 轉(zhuǎn) Markdown
如果你想把代碼放到 GitHub 上,需要寫個(gè) README。
這時(shí)候,你可能需要把 DataFrame 轉(zhuǎn)成 Markdown 格式。
Pandas 同樣為你考慮到了這一點(diǎn):
print(df.to_markdown())
注:這里還需要 tabulate 庫(kù)
DataFrame 轉(zhuǎn) Excel
說(shuō)到這里,給同學(xué)們提一個(gè)小問(wèn)題:導(dǎo)師/老板/客戶要你提供 Excel 格式的數(shù)據(jù),你該怎么做?
當(dāng)然是——
df.to_excel(‘a(chǎn)nalysis.xlsx’)
需要注意的是,如果你沒有安裝過(guò) xlwt 和 openpyxl 這兩個(gè)工具包,需要先安裝一下。
另外,跟 HTML 一樣,這里也有一個(gè)配套函數(shù):read_excel,用來(lái)將excel數(shù)據(jù)導(dǎo)入pandas DataFrame。
DataFrame 轉(zhuǎn)字符串
轉(zhuǎn)成字符串,當(dāng)然也沒問(wèn)題:
df.to_string()
此前,Roman Orac 還曾分享過(guò) 5 個(gè)他覺得十分好用,但大家可能沒有那么熟悉的 Pandas 技巧。
1、data_range
從外部 API 或數(shù)據(jù)庫(kù)獲取數(shù)據(jù)時(shí),需要多次指定時(shí)間范圍。
Pandas 的 data_range 覆蓋了這一需求。
import pandas as pd
date_from = “2019-01-01”
date_to = “2019-01-12”
date_range = pd.date_range(date_from, date_to, freq=”D”)
print(date_range)
freq=“D”/“M”/“Y”,該函數(shù)就會(huì)分別返回按天、月、年遞增的日期。
2、合并數(shù)據(jù)
當(dāng)你有一個(gè)名為left的DataFrame:
和名為right的DataFrame:
想通過(guò)關(guān)鍵字“key”把它們整合到一起:
實(shí)現(xiàn)的代碼是:
df_merge = left.merge(right, on = ‘key’, how = ‘left’, indicator = True)
3、最近合并(Nearest merge)
在處理股票或者加密貨幣這樣的財(cái)務(wù)數(shù)據(jù)時(shí),價(jià)格會(huì)隨著實(shí)際交易變化。
針對(duì)這樣的數(shù)據(jù),Pandas提供了一個(gè)好用的功能,merge_asof。
該功能可以通過(guò)最近的key(比如時(shí)間戳)合并DataFrame。
舉個(gè)例子,你有一個(gè)存儲(chǔ)報(bào)價(jià)信息的DataFrame。
還有一個(gè)存儲(chǔ)交易信息的DataFrame。
現(xiàn)在,你需要把兩個(gè)DataFrame中對(duì)應(yīng)的信息合并起來(lái)。
最新報(bào)價(jià)和交易之間可能有10毫秒的延遲,或者沒有報(bào)價(jià),在進(jìn)行合并時(shí),就可以用上 merge_asof。
pd.merge_asof(trades, quotes, on=”timestamp”, by=’ticker’, tolerance=pd.Timedelta(‘10ms’), direction=‘backward’)
4、創(chuàng)建Excel報(bào)告
在Pandas中,可以直接用DataFrame創(chuàng)建Excel報(bào)告。
import numpy as np
import pandas as pd
df = pd.DataFrame(np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]), columns=["a", "b", "c"])
report_name = 'example_report.xlsx'
sheet_name = 'Sheet1'
writer = pd.ExcelWriter(report_name, engine='xlsxwriter')
df.to_excel(writer, sheet_name=sheet_name, index=False)
不只是數(shù)據(jù),還可以添加圖表。
# define the workbook
workbook = writer.book
worksheet = writer.sheets[sheet_name]
# create a chart line object
chart = workbook.add_chart({'type': 'line'})
# configure the series of the chart from the spreadsheet
# using a list of values instead of category/value formulas:
# [sheetname, first_row, first_col, last_row, last_col]
chart.add_series({
'categories': [sheet_name, 1, 0, 3, 0],
'values': [sheet_name, 1, 1, 3, 1],
})
# configure the chart axes
chart.set_x_axis({'name': 'Index', 'position_axis': 'on_tick'})
chart.set_y_axis({'name': 'Value', 'major_gridlines': {'visible': False}})
# place the chart on the worksheet
worksheet.insert_chart('E2', chart)
# output the excel file
writer.save()
注:這里需要 XlsxWriter 庫(kù)
5、節(jié)省磁盤空間
Pandas在保存數(shù)據(jù)集時(shí),可以對(duì)其進(jìn)行壓縮,其后以壓縮格式進(jìn)行讀取。
先搞一個(gè) 300MB 的 DataFrame,把它存成 csv。
df = pd.DataFrame(pd.np.random.randn(50000,300))
df.to_csv(‘random_data.csv’, index=False)
壓縮一下試試:
df.to_csv(‘random_data.gz’, compression=’gzip’, index=False)
文件就變成了136MB。
gzip壓縮文件可以直接讀?。?/p>
df = pd.read_csv(‘random_data.gz’)
這一份Pandas技巧筆記,暫且說(shuō)到這里。各位同學(xué)都做好筆記了嗎?
Talk is cheap, show me the code。學(xué)會(huì)了,就用起來(lái)吧
— 完 —
量子位 QbitAI · 頭條號(hào)簽約
關(guān)注我們,第一時(shí)間獲知前沿科技動(dòng)態(tài)
*請(qǐng)認(rèn)真填寫需求信息,我們會(huì)在24小時(shí)內(nèi)與您取得聯(lián)系。