এই নিবন্ধে আমরা বিল্ট-ইন pandas লাইব্রেরি ব্যবহার করে বিভিন্ন টাইমস্ট্যাম্প জেনারেট এবং প্রসেস করার পদ্ধতি শিখব। আমরা numpy মডিউলও ব্যবহার করব ডেটাবেস জেনারেট এবং মডিফাই করতে টাইমস্ট্যাম্প জেনারেশনের জন্য।
পছন্দের IDE: Jupyter Notebook
এই টিউটোরিয়াল শুরু করার আগে আমাদের pandas এবং numpy লাইব্রেরি ইনস্টল করতে হবে। এজন্য Jupyter Notebook সবচেয়ে ভালো জায়গা কোড টেস্ট এবং রান করার জন্য। Pandas ইনস্টল করার জন্য নিচের কমান্ড চালান।
>>> pip install pandas
যদি আমরা এই কমান্ড চালাই তবে সব ডিপেন্ডেন্সি অটোমেটিক্যালি ইনস্টল হয়ে যাবে। এটি হলে আমাদের কার্নেল রিস্টার্ট করতে হবে পরিবর্তন দেখতে।
সব ডিপেন্ডেন্সি ইনস্টল হলে আমরা pandas কে 'p' হিসেবে ইম্পোর্ট করতে পারি।
এখানে আমরা ডেটা ফ্রেম কনস্ট্রাক্টর কল করি এবং পেরিয়ড ৪ এবং ফ্রিকোয়েন্সি ২ ঘন্টা থেকে ডেট আর্গুমেন্ট সহ একটি ডেটাবেস ইনিশিয়ালাইজ করি। 'time' কী নির্দিষ্ট করে আমরা ডেটাবেস ডিসপ্লে করছি।
>>> 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>.dt.<feature name> ব্যবহার করে ফিচার এক্সট্রাক্ট করা হয়। head() মেথড ব্যবহার করে ডেটাবেস থেকে সব রো ডিসপ্লে করা হয়।
>>> 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
এখানে numpy মডিউলের .array() ফাংশন বাস্তবায়ন করা হয়েছে টাইম স্ট্রিং তৈরি করতে। এই স্ট্রিংগুলো pandas লাইব্রেরির .to_datetime() মেথড ব্যবহার করে DateTime-এ কনভার্ট করা হয়।
>>> 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')]
এখানে আমরা ডেটাবেসকে ডেট দিয়ে ইনডেক্স করছি অর্থাৎ 'date' ফিল্ডটি প্রথমে ডিসপ্লে হবে .set_index() মেথড ব্যবহার করে।
>>> 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
যদি আমরা ডেটাবেস থেকে একটি স্পেসিফিক ডেটাসেট ডিসপ্লে করতে চাই তবে নিচের কমান্ডগুলো বাস্তবায়ন করতে পারি:
>>> 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
উপসংহার
এই নিবন্ধে আমরা পাইথনে টাপল প্যাক এবং আনপ্যাক করার বিভিন্ন পদ্ধতি শিখেছি।
