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