京东云服务器推荐配置、多种配置选择,满足不同业务需求!

热门推荐

⭐ 稳定入门选择

配置:2核2G/5M

适用场景:个人站点 / 轻量应用

特点:性价比高,稳定可靠

¥19/月
立即购买
流量友好

☁️ 轻量云主机

配置:2核4G 5M

适用场景:小型业务 / 博客 / 测试环境

特点:流量友好,性能均衡

¥149/年
立即购买
高性能

💻 云服务主机

配置:4核16G 8M

适用场景:中小型服务 / 多并发场景

特点:充足内存与带宽,性能强劲

¥750/年
立即购买
新人专享

🎁 新人福利

新人访问 → 点击 → 最新活动

可获取 3000元 礼券

立即领取
数据分析 / Pandas教程 / Pandas 教程
Pandas 日期函数
Pandas SQL操作Pandas 串联

Pandas 日期函数

Pandas 日期函数操作实例

扩展时间序列,日期功能在财务数据分析中起着重要作用。使用日期数据时,我们经常会遇到以下情况-

生成日期序列 将日期序列转换为不同的频率

创建日期范围

通过指定日期和频率使用date.range()函数,我们可以创建日期序列。默认情况下,范围的频率为天。

import pandas as pd
print(pd.date_range('1/1/2011', periods=5))

运行结果如下:

DatetimeIndex(['2011-01-01', '2011-01-02', '2011-01-03', '2011-01-04', '2011-01-05'],dtype='datetime64[ns]', freq='D')

更改日期频率

import pandas as pd
print(pd.date_range('1/1/2011', periods=5,freq='M'))

运行结果如下:

 DatetimeIndex(['2011-01-31', '2011-02-28', '2011-03-31', '2011-04-30', '2011-05-31'],dtype='datetime64[ns]', freq='M')

bdate_range

bdate_range()代表营业日期范围。与date_range()不同,它不包括星期六和星期日。

import pandas as pd
print(pd.date_range('1/1/2011', periods=5))

运行结果如下:

DatetimeIndex(['2011-01-01', '2011-01-02', '2011-01-03', '2011-01-04', '2011-01-05'],
    dtype='datetime64[ns]', freq='D')

请注意,3月3日之后,日期跳至3月6日(不包括4日和5日)。只需检查日历中的日期即可。
诸如date_range和bdate_range之类的便利功能利用了多种频率别名。date_range的默认频率是日历日,而bdate_range的默认频率是工作日。

 import pandas as pd
 start = pd.datetime(2011, 1, 1)
 end = pd.datetime(2011, 1, 5)
 print(pd.date_range(start, end))

运行结果如下:

 DatetimeIndex(['2011-01-01', '2011-01-02', '2011-01-03', '2011-01-04', '2011-01-05'],
    dtype='datetime64[ns]', freq='D')

偏移别名

为有用的通用时间序列频率提供了许多字符串别名。我们将这些别名称为偏移别名。

别名描述别名描述
B工作日频率BQS业务季度开始频率
D日历日频率A年度(年)结束频率
W每周频率BA营业年度结束频率
M月末频率BAS营业年度开始频率
SM半月结束频率BH营业时间频率
BM营业月结束频率H每小时频率
MS月开始频率T, min分钟频率
SMS信息半个月开始频率S其次频率
BMS工作月开始频率L, ms毫秒
Q四分之一结束频率U, us微秒
BQ业务季度结束频率N纳秒
QS季度开始频率

Pandas SQL操作Pandas 串联
上一篇:Pandas 串联
下一篇:Pandas Timedelta