vue标准时间改为时间戳_Python时间序列之时间戳

一起学习，一起成长！

Pandas最基本的时间序列类型就是以时间戳(通常以Python字符串或datetime对象表示)为索引的Series：

In [1]: import numpy as np

In [2]: import pandas as pd

In [3]: from pandas import Series,DataFrame

In [4]: from datetime import datetime

In [5]: dates=[datetime(2019,11,1),datetime(2019,11,2),datetime(2019,11,3),datetime(2019,11,4),datetime(2019,11,5),datetime(2019,11,6)]

In [6]: ts=Series(np.random.randn(6),index=dates)

In [7]: ts

Out[7]:

2019-11-01 -1.483564

2019-11-02 -2.145279

2019-11-03 -0.077868

2019-11-04 -1.102391

2019-11-05 -0.062100

2019-11-06 0.146439

dtype: float64

这些datetime对象实际上是被放在一个DatetimeIndex中的。现在，变量ts就成为一个Series[MOU1] 了：

In [8]: type(ts)

Out[8]: pandas.core.series.Series

In [9]: ts.index

Out[9]:

DatetimeIndex(['2019-11-01', '2019-11-02', '2019-11-03', '2019-11-04',

'2019-11-05', '2019-11-06'],

dtype='datetime64[ns]', freq=None)

与其他Series一样，不同索引的时间序列之间的算术运算会自动按日期对齐：

In [10]: ts+ts[::2]

Out[10]:

2019-11-01 -2.967127

2019-11-02 NaN

2019-11-03 -0.155736

2019-11-04 NaN

2019-11-05 -0.124200

2019-11-06 NaN

dtype: float64

pandas用numpy的datetime64数据类型以纳秒形式存储时间戳：

In [11]: ts.index.dtype

Out[11]: dtype('

DatetimeIndex中的各个标量值是pandas的Timestamp对象：

In [12]: stamp=ts.index[0]

In [13]: stamp

Out[13]: Timestamp('2019-11-01 00:00:00')

Timestamp对象可以随时自动转换为datetime对象。

此外，还可以存储频率信息，且知道如何执行时区转换以及其他操作。

「亲，如果笔记对您有帮助，收藏的同时，记得给点个赞、加个关注哦！感谢！」

「文中代码均亲测过，若有错误之处，欢迎批评指正，一起学习，一起成长！」