Saudações, cientistas de dados!

A biblioteca Pandas do Python facilita a manipulação de datas em análises de dados. Com o Pandas, você pode transformar datas em formatos legíveis e extrair informações úteis.

Vejamos alguns exemplos:

Transformar data e hora para data:

import pandas as pd

data_hora = '2022-05-15 14:30:00'
data = pd.to_datetime(data_hora).date()

print(data)

Extração de ano, mês e trimestre:

ano = data.year
mes = data.month
trimestre = data.quarter

print(f"Ano: {ano}, Mês: {mes}, Trimestre: {trimestre}")

Conversão de formato personalizado:

data_formatada = data.strftime('%d/%m/%Y')

print(data_formatada)

Avançando uma data:

data = pd.to_datetime('2022-05-15')
data_avancada = data + pd.DateOffset(days=2)

print(data_avancada.date())

Retrocedendo uma data:

data = pd.to_datetime('2022-05-15')
data_retrocida = data - pd.DateOffset(days=2)

print(data_retrocida.date())

Encontrando a diferença entre duas datas:

data1 = pd.to_datetime('2022-05-15')
data2 = pd.to_datetime('2022-05-20')

diferenca = (data2 - data1).days

print(diferenca)

Com a biblioteca Pandas, você pode realizar diversas outras operações com datas, como cálculos de diferenças entre datas, filtragem por período e agrupamento por intervalos de tempo.

Se você tiver mais dúvidas ou precisar de mais informações, estou aqui para ajudar!