python datetime timedelta函数_Python Pandas DatetimeIndex.to_perioddelta()用法及代码示例

Python是进行数据分析的一种出色语言，主要是因为以数据为中心的python软件包具有奇妙的生态系统。 Pandas是其中的一种，使导入和分析数据更加容易。

Pandas DatetimeIndex.to_perioddelta()函数计算索引值与在指定频率下转换为periodIndex的索引之差的TimedeltaIndex。它用于矢量化偏移量。

用法： DatetimeIndex.to_perioddelta(freq)

参数：

freq: Pandas 的偏移量字符串或偏移对象之一。将默认推断

返回：时间指数

范例1：采用DatetimeIndex.to_perioddelta()函数以指定频率计算索引值与转换为periodIndex的索引之间的差值的TimedeltaIndex

# importing pandas as pd

import pandas as pd

# Create the DatetimeIndex

# Here 'S' represents secondly frequency

didx = pd.DatetimeIndex(start ='2018-11-15 09:45:10', freq ='S', periods = 5)

# Print the DatetimeIndex

print(didx)

输出：

现在我们要计算索引值与转换为periodIndex的索引之间的差的TimedeltaIndex

# calculate the TimedeltaIndex

# 'T' represents minute based frequency

didx.to_perioddelta('T')

输出：

正如我们在输出中看到的，返回的索引值与转换为periodIndex的索引之间的差。

范例2：采用DatetimeIndex.to_perioddelta()函数用于计算索引值与在指定频率下转换为periodIndex的索引之间的差值的TimedeltaIndex。

# importing pandas as pd

import pandas as pd

# Create the DatetimeIndex

# Here 'T' represents minutely frequency

didx = pd.DatetimeIndex(start ='2015-03-02 01:15:12', freq ='T', periods = 5)

# Print the DatetimeIndex

print(didx)

输出：

现在我们要计算索引值与转换为periodIndex的索引之间的差的TimedeltaIndex

# calculate the TimedeltaIndex

# 'H' represents hourly frequency

didx.to_period('H')

输出：

正如我们在输出中看到的，返回的索引值与转换为periodIndex的索引之间的差。