pandas 6 时间（潘大帅在减肥）

pandas 6 时间（潘大帅在减肥）

print(pd.Timestamp('2018-05-21 00:00:00')) # pd.Timestamp(2018, 5, 21) 时间戳print(pd.Period("2018-01", freq="D"))pd.to_datetime(pd.Series(["Jul 31, 2018", "2018-05-10", None])) # 通过 to_datetime 能快速将字符串转换为时间戳pd.to_datetime([1349720105, 1349806505, 1349892905], unit="s")# date_range 默认使用的频率是 日历日，而 bdate_range 默认使用的频率是 营业日。pd.date_range("2018-6-26", periods=8)pd.date_range("2018-6-26", periods=8, freq="W")pd.date_range("2018-6-26", periods=8)##### 当将时间作为index时，方便切片，也方便按组索引，如所以2018年的数据rng = pd.date_range("2018-6-10", periods=5, freq="W")ts = pd.Series(range(len(rng)), index=rng)print(ts["2018-07-08": "2018-07-22"]) # 当将时间作为index时，方便切片print(ts["2018-07"]) # 方便按组索引，如所以2018年的数据ts.shift(2) #移动值print(ts.resample("1M").sum()) # 求出每个月的数值之和ts.shift(2, freq=Day()) #移动时间索引ts.asfreq(Day(), method="pad") #时间频率转换，将频率由周转为了天# 对时间做偏移from pandas.tseries.offsets import *d = pd.Timestamp("2018-06-25")d + DateOffset(weeks=2, days=5)'''我们可以通过 Timestamp 或 DateTimeIndex 访问一些时间/日期的属性。这里列举一些常见的，想要查看所有的属性见官方链接：Time/Date Components（http://pandas.pydata.org/pandas-docs/stable/timeseries.html#time-date-components）'''

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。