pandas时间序列处理,pandas日期数据处理 49
pandas时间序列处理
Pandas 具有一些内置的“datetime”功能,这使得处理时间序列分析变得简单
本文是Python Pandas教程系列的一部分,您可以点击Python Pandas使用教程查看所有。
时间序列如何在 Pandas 中工作?
下面给出了提到的例子:
示例#1
代码:
To create all dates in a Dataframe.
import pandas as pd
data = pd.date_range('1/1/2010', periods = 5, frequency ='H')
print(data)
输出:
在上面的代码中,我们看到pandas中日期数据处理。在这里,我们首先导入 Pandas ,然后我们创建带有日期的dataframe。然后打印我们创建的数据。因此,在输出中,它显示了我们想要打印此日期frequency 为 H的时间段数。
示例#2
我们将dataframe中的日期分成不同的模块。
代码:
import pandas as pd
range = pd.DataFrame()
range['date'] = pd.date_range('1/1/2010', periods = 65, frequency ='H')
range[:4] range['year'] = range['date'].dt.year
range['month'] = range['date'].dt.month
range['day'] = range['date'].dt.day
range['hour'] = range['date'].dt.hour
range['minute'] = range['date'].dt.minute
print(range.head(4))
输出:
在上面的pandas时间序列程序中,我们首先导入pandas,然后在dataframe中初始化日期时间,调用pandas中的dataframe。这是通过使用名为 range 的命令来完成的。然后我们以dd-mm-yyyy格式声明日期、月份、年份,并将这个frequency 的范围初始化为4。最后,我们使用range命令来初始化日期、月份、年份、小时和分钟。
Pandas 中的时间序列分析:
- 时间序列是在指定时间作为规则在等效跨度(例如,每小时、每天、每周、每季度、每年等)中获取的大量信息焦点或感知。时间序列通常用于根据过去观看的事件或质量预测未来事件。
结论
这是 Pandas 时间序列的指南。这里我们讨论一下 Pandas Time-Series 的介绍以及pandas时间序列处理
常见问题FAQ
- 程序仅供学习研究,请勿用于非法用途,不得违反国家法律,否则后果自负,一切法律责任与本站无关。
- 请仔细阅读以上条款再购买,拍下即代表同意条款并遵守约定,谢谢大家支持理解!