python pandas时序处理相关功能详解
作者：ledao
这篇文章主要介绍了python pandas时序处理相关功能详解的相关资料,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
创建时间序列
函数pd.date_range()
根据指定的范围，生成时间序列DatetimeIndex，每隔元素的类型为Timestamp。该函数应用较多。
ts = pd.date_range('2017-09-01', periods=10, freq='d', normalize=False)
ts
输出为：
DatetimeIndex(['2017-09-01', '2017-09-02', '2017-09-03', '2017-09-04', '2017-09-05', '2017-09-06', '2017-09-07', '2017-09-08', '2017-09-09', '2017-09-10'], dtype='datetime64[ns]', freq='D'
主要的入参解析：
- start: 开始时刻，可以是字符串或者datetime类型的值。默认None。
- end: 结束时刻，可以是字符串或者datetime类型的值，如果指定了长度，即periods，则可不设置。默认None。
- periods: 时序的长度，整型类型。如果有end，可不设置。默认None。
- freq: 时序生成的频率，即每隔多少时刻生成一个时序点。字符串类型或者DateOffset类型。默认'D'，即天粒度，见上述代码输出。
- tz: 时区，字符串类型。默认None。
- normalize: bool类型，没用过，不知道干啥的。
- name: 设置时序的名称，字符串类型，默认None。
- closed: 是否包含两边的值。默认None，即两边都保留。
其中，freq的取值可以为如下的符号表示间隔，可以结合符号和数字，如'3d'，表示每隔三天记录一个时间点。大小写都可以。
B business day frequency C custom business day frequency (experimental) D calendar day frequency W weekly frequency M month end frequency SM semi-month end frequency (15th and end of month) BM business month end frequency CBM custom business month end frequency MS month start frequency SMS semi-month start frequency (1st and 15th) BMS business month start frequency CBMS custom business month start frequency Q quarter end frequency BQ business quarter endfrequency QS quarter start frequency BQS business quarter start frequency A year end frequency BA business year end frequency AS year start frequency BAS business year start frequency BH business hour frequency H hourly frequency T, min minutely frequency S secondly frequency L, ms milliseconds U, us microseconds N nanoseconds
字符串转换为时间戳
pd.to_datetime() 函数可以将表示时间的字符串转换位TimeStamp。
pd.to_datetime('2017-09-01')
输出为：
Timestamp('2017-09-01 00:00:00')
常用的参数：
format: 用来设置字符串的格式，默认如上所示。
时间戳的加减
有时候需要将时间进行增减，可以使用类型：DateOffset。
pd.to_datetime('2017-09-01') + pd.DateOffset(days=10)
输出为：
Timestamp('2017-09-11 00:00:00')
DateOffset常用的参数：
- months，设置月。
- days，设置天。
- years，设置年。
- hours，设置小时。
- minutes，设置分钟。
- seconds，设置秒。
以上可以同时设置，组合使用。
pd.to_datetime('2017-09-01') + pd.DateOffset(seconds=10, days = 10)
输出为：
Timestamp('2017-09-11 00:00:10')
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。