Python每日一记92>>>pd.date_range生成时间序列及其应用

自律性良好,万事万物必有其因果,最近真是祸不单行,算是我人生中最大的转折点了,就当是一次磨练吧,希望自己变得更加强悍。

如果你想生成时间序列,那么pd.date_range()则是一个不错的选择
关于其参数说明如下图:
在这里插入图片描述
这里需要说明一下的是,pd.date_range()返回的是什么?我们发现是DatetimeIndex类型在这里插入图片描述
尽管是DatetimeIndex类型,也不影响我们使用它
在这里插入图片描述
好了,那我要简单的应用一下:
原数据如下,我要求每一天新旧会员的客数,金额,客单,以便去分析每日新旧会员的情况对比
在这里插入图片描述
代码如下:
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
但是这远远不够清晰,我还需要对时间段进行分类,再次得到的结果就更加易读了,这里就不多叙述了。

你可以使用 `pd.date_range` 函数生成一个时间序列列表,然后通过 `pd.Series` 将其转换为 Pandas 的 Series 对象,再使用 `Series.dt` 属性来访问日期时间组件,如 `.year`、`.month`、`.day`、`.hour`、`.minute`、`.second` 等,进而将其转换为数值型数据。 以下是一个示例代码,用于将日期时间序列转换为数值型数据: ```python import pandas as pd # 生成一个日期时间序列 date_range = pd.date_range(start='2022-01-01 00:00:00', end='2022-01-02 00:00:00', freq='15min') # 将日期时间序列转换为 Pandas 的 Series 对象 series = pd.Series(date_range) # 访问日期时间组件,并将其转换为数值型数据 year = series.dt.year.astype(int) month = series.dt.month.astype(int) day = series.dt.day.astype(int) hour = series.dt.hour.astype(int) minute = series.dt.minute.astype(int) second = series.dt.second.astype(int) ``` 在上述示例代码中,我们首先使用 `pd.date_range` 函数生成了一个从 `2022-01-01 00:00:00` 到 `2022-01-02 00:00:00` 每隔 15 分钟一个时间点的日期时间序列。然后,我们通过 `pd.Series` 将其转换为 Pandas 的 Series 对象。接下来,我们分别使用 `Series.dt.year`、`Series.dt.month`、`Series.dt.day`、`Series.dt.hour`、`Series.dt.minute`、`Series.dt.second` 访问日期时间组件,并通过 `.astype(int)` 将其转换为数值型数据。最终,我们得到了一个包含年、月、日、小时、分钟、秒的数值型数据。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值