Python酷库之旅-第三方库Pandas(069)

于 2024-08-07 07:45:00 发布
阅读量558 收藏 29
点赞数 41
分类专栏： Myelsa的Python酷库之旅 文章标签： python pandas 开发语言 人工智能 excel 标准库及第三方库 学习与成长
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ygb_1024/article/details/140930616
版权

目录

一、用法精讲

276、pandas.Series.dt.is_quarter_start属性

276-1、语法

276-2、参数

276-3、功能

276-4、返回值

276-5、说明

276-6、用法

276-6-1、数据准备

276-6-2、代码示例

276-6-3、结果输出

277、pandas.Series.dt.is_quarter_end属性

277-1、语法

277-2、参数

277-3、功能

277-4、返回值

277-5、说明

277-6、用法

277-6-1、数据准备

277-6-2、代码示例

277-6-3、结果输出

278、pandas.Series.dt.is_year_start属性

278-1、语法

278-2、参数

278-3、功能

278-4、返回值

278-5、说明

278-6、用法

278-6-1、数据准备

278-6-2、代码示例

278-6-3、结果输出

279、pandas.Series.dt.is_year_end属性

279-1、语法

279-2、参数

279-3、功能

279-4、返回值

279-5、说明

279-6、用法

279-6-1、数据准备

279-6-2、代码示例

279-6-3、结果输出

280、pandas.Series.dt.is_leap_year属性

280-1、语法

280-2、参数

280-3、功能

280-4、返回值

280-5、说明

280-6、用法

280-6-1、数据准备

280-6-2、代码示例

280-6-3、结果输出

二、推荐阅读

1、Python筑基之旅

2、Python函数之旅

3、Python算法之旅

4、Python魔法之旅

5、博客个人主页

一、用法精讲

276、pandas.Series.dt.is_quarter_start属性
276-1、语法
# 276、pandas.Series.dt.is_quarter_start属性
pandas.Series.dt.is_quarter_start
Indicator for whether the date is the first day of a quarter.

Returns:
is_quarter_start
Series or DatetimeIndex
The same type as the original data with boolean values. Series will have the same name and index. DatetimeIndex will have the same name.
276-2、参数

        无

276-3、功能

        用于检查日期时间索引是否是季度开始的属性，这在处理时间序列数据时非常有用。

276-4、返回值

        返回一个布尔值的序列，指示时间序列中的每个日期是否为季度开始。

276-5、说明

        使用场景：

276-5-1、财务报表分析：在财务分析中，公司通常会根据季度进行报告。这使得识别每个季度的起始日期变得非常重要，以便分析每个季度的表现。例如，通过标记季度的开始，分析师可以轻松地比较不同季度的财务数据，例如收入、支出和利润。

276-5-2、销售数据分析：销售数据往往具有季节性特点，季度开始可能意味着新的销售周期的开始。例如，分析销售趋势时，识别季度开始以判断季度销售策略的有效性。

276-5-3、经济数据分析：经济数据如GDP、失业率等通常按季度发布，因此在分析时需要识别和提取季度起始数据。例如，比较不同季度的经济指标以评估经济增长或衰退的情况。

276-5-4、项目管理：在项目管理中，特别是涉及跨季度的项目时，识别季度开始可以帮助项目经理更好地计划和分配资源。例如，根据季度开始调整项目资源和预算。

276-5-5、投资组合分析：在投资领域，许多投资策略和分析都是基于季度进行的，识别季度开始有助于进行投资组合的分析和调整。例如，在季度开始时进行投资组合的再平衡以优化收益。

276-6、用法
276-6-1、数据准备
无
276-6-2、代码示例
# 276、pandas.Series.dt.is_quarter_start属性
# 276-1、财务报表分析
import pandas as pd
# 示例数据：公司每月的收入
date_range = pd.date_range(start='2023-01-01', periods=12, freq='MS')
revenue = [10000, 12000, 11000, 15000, 14000, 13000, 16000, 17000, 16500, 18000, 17500, 19000]
df = pd.DataFrame({'date': date_range, 'revenue': revenue})
df.set_index('date', inplace=True)
# 标记季度开始
df['is_quarter_start'] = df.index.to_series().dt.is_quarter_start
# 过滤出季度开始的数据
quarterly_revenue = df[df['is_quarter_start']]
print(quarterly_revenue, end='\n\n')

# 276-2、销售数据分析
import pandas as pd
# 示例数据：每月销售量
date_range = pd.date_range(start='2023-01-01', periods=12, freq='MS')
sales = [500, 600, 550, 700, 650, 620, 750, 770, 760, 800, 790, 810]
df = pd.DataFrame({'date': date_range, 'sales': sales})
df.set_index('date', inplace=True)
# 标记季度开始
df['is_quarter_start'] = df.index.to_series().dt.is_quarter_start
# 筛选季度开始的销售数据
quarterly_sales = df[df['is_quarter_start']]
print(quarterly_sales, end='\n\n')

# 276-3、经济数据分析
import pandas as pd
# 示例数据：每月GDP增长率
date_range = pd.date_range(start='2023-01-01', periods=12, freq='MS')
gdp_growth = [0.3, 0.4, 0.2, 0.5, 0.4, 0.35, 0.45, 0.5, 0.48, 0.55, 0.52, 0.6]
df = pd.DataFrame({'date': date_range, 'gdp_growth': gdp_growth})
df.set_index('date', inplace=True)
# 标记季度开始
df['is_quarter_start'] = df.index.to_series().dt.is_quarter_start
# 筛选季度开始的数据
quarterly_gdp_growth = df[df['is_quarter_start']]
print(quarterly_gdp_growth, end='\n\n')

# 276-4、项目管理
import pandas as pd
# 示例数据：项目进度（每月完成的任务数量）
date_range = pd.date_range(start='2023-01-01', periods=12, freq='MS')
tasks_completed = [10, 15, 12, 18, 16, 14, 20, 22, 21, 25, 23, 27]
df = pd.DataFrame({'date': date_range, 'tasks_completed': tasks_completed})
df.set_index('date', inplace=True)
# 标记季度开始
df['is_quarter_start'] = df.index.to_series().dt.is_quarter_start
# 筛选季度开始的项目数据
quarterly_tasks = df[df['is_quarter_start']]
print(quarterly_tasks, end='\n\n')

# 276-5、投资组合分析
import pandas as pd
# 示例数据：每月投资组合收益率
date_range = pd.date_range(start='2023-01-01', periods=12, freq='MS')
returns = [0.02, 0.03, 0.025, 0.04, 0.035, 0.03, 0.045, 0.05, 0.048, 0.055, 0.052, 0.06]
df = pd.DataFrame({'date': date_range, 'returns': returns})
df.set_index('date', inplace=True)
# 标记季度开始
df['is_quarter_start'] = df.index.to_series().dt.is_quarter_start
# 筛选季度开始的投资收益率数据
quarterly_returns = df[df['is_quarter_start']]
print(quarterly_returns)
276-6-3、结果输出
# 276、pandas.Series.dt.is_quarter_start属性
# 276-1、财务报表分析
#             revenue  is_quarter_start
# date
# 2023-01-01    10000              True
# 2023-04-01    15000              True
# 2023-07-01    16000              True
# 2023-10-01    18000              True

# 276-2、销售数据分析
#             sales  is_quarter_start
# date
# 2023-01-01    500              True
# 2023-04-01    700              True
# 2023-07-01    750              True
# 2023-10-01    800              True

# 276-3、经济数据分析
#             gdp_growth  is_quarter_start
# date
# 2023-01-01        0.30              True
# 2023-04-01        0.50              True
# 2023-07-01        0.45              True
# 2023-10-01        0.55              True

# 276-4、项目管理
#            tasks_completed  is_quarter_start
# date
# 2023-01-01               10              True
# 2023-04-01               18              True
# 2023-07-01               20              True
# 2023-10-01               25              True

# 276-5、投资组合分析
#             returns  is_quarter_start
# date
# 2023-01-01    0.020              True
# 2023-04-01    0.040              True
# 2023-07-01    0.045              True
# 2023-10-01    0.055              True
277、pandas.Series.dt.is_quarter_end属性
277-1、语法
# 277、pandas.Series.dt.is_quarter_end属性
pandas.Series.dt.is_quarter_end
Indicator for whether the date is the last day of a quarter.

Returns:
is_quarter_end
Series or DatetimeIndex
The same type as the original data with boolean values. Series will have the same name and index. DatetimeIndex will have the same name.
277-2、参数

        无

277-3、功能

        用于检查日期时间对象是否落在季度的最后一天。

277-4、返回值

        返回一个布尔型的pandas.Series对象，其中每个元素是一个布尔值，如果该日期是季度的最后一天，则返回True；否则，返回False。

277-5、说明

        使用场景：

277-5-1、财务报告：在财务数据处理中，季度末通常是报告的关键日期，使用该属性可以帮助确定每个季度的结束日期，以便生成季度财务报告、进行季度结算和审计。

277-5-2、季度分析：分析季度销售额、季度利润或季度业绩时，需要知道哪些日期属于季度末，这样可以方便地将数据按季度进行分组和比较。

277-5-3、时间序列分析：在时间序列分析中，确定数据的季度末点对于预测和模型验证很重要，可以利用该属性识别和标记这些关键日期，以进行特殊处理或建模。

277-5-4、投资组合管理：在投资领域，季度末通常是重新平衡投资组合、计算回报率和评估绩效的时间点，通过识别季度末日期，可以进行相关的投资操作和分析。

277-5-5、预算和计划：企业和组织通常以季度为单位制定预算和计划，使用该属性可以帮助确定预算周期的结束日期，以便进行预算跟踪和调整。

277-5-6、数据可视化：在数据可视化中，可以利用季度末标记突出显示关键时间点。例如，在时间序列图中，可以将季度末用不同颜色或标记表示，以便更直观地展示数据的季度变化。

277-6、用法
277-6-1、数据准备
无
277-6-2、代码示例
# 277、pandas.Series.dt.is_quarter_end属性
# 277-1、财务报告
import pandas as pd
# 生成示例财务数据
date_range = pd.date_range(start='2022-01-01', end='2023-12-31', freq='ME')
revenue = [100, 150, 120, 130, 180, 170, 160, 140, 200, 190, 210, 220] * 2
df = pd.DataFrame({'date': date_range, 'revenue': revenue})
# 设置日期为索引
df.set_index('date', inplace=True)
# 添加季度末标记
df['is_quarter_end'] = df.index.to_series().dt.is_quarter_end
# 筛选出季度末的数据
quarter_end_report = df[df['is_quarter_end']]
print(quarter_end_report, end='\n\n')

# 277-2、季度分析
import pandas as pd
import numpy as np
# 生成示例销售数据
date_range = pd.date_range(start='2023-01-01', end='2023-12-31', freq='D')
sales = np.random.randint(50, 200, len(date_range))
df = pd.DataFrame({'date': date_range, 'sales': sales})
# 设置日期为索引
df.set_index('date', inplace=True)
# 添加季度末标记
df['is_quarter_end'] = df.index.to_series().dt.is_quarter_end
# 计算季度总销售额
quarterly_sales = df[df['is_quarter_end']].resample('QE').sum()
print(quarterly_sales, end='\n\n')

# 277-3、时间序列分析
import pandas as pd
import numpy as np
# 生成示例时间序列数据
date_range = pd.date_range(start='2023-01-01', end='2023-12-31', freq='D')
values = np.random.randn(len(date_range))
df = pd.DataFrame({'date': date_range, 'value': values})
# 设置日期为索引
df.set_index('date', inplace=True)
# 添加季度末标记
df['is_quarter_end'] = df.index.to_series().dt.is_quarter_end
# 识别并标记季度末点
df['quarter_end_value'] = df['value'].where(df['is_quarter_end'])
print(df, end='\n\n')

# 277-4、投资组合管理
import pandas as pd
import numpy as np
# 生成示例投资组合数据
date_range = pd.date_range(start='2022-01-01', end='2023-12-31', freq='B')
portfolio_value = np.cumsum(np.random.randn(len(date_range))) + 1000
df = pd.DataFrame({'date': date_range, 'portfolio_value': portfolio_value})
# 设置日期为索引
df.set_index('date', inplace=True)
# 添加季度末标记
df['is_quarter_end'] = df.index.to_series().dt.is_quarter_end
# 筛选出季度末的投资组合价值
quarter_end_portfolio = df[df['is_quarter_end']]
print(quarter_end_portfolio, end='\n\n')

# 277-5、预算和计划
import pandas as pd
# 生成示例预算数据
date_range = pd.date_range(start='2023-01-01', end='2023-12-31', freq='ME')
budget = [10000, 12000, 11000, 11500, 13000, 12500, 14000, 13500, 14500, 15000, 15500, 16000]
df = pd.DataFrame({'date': date_range, 'budget': budget})
# 设置日期为索引
df.set_index('date', inplace=True)
# 添加季度末标记
df['is_quarter_end'] = df.index.to_series().dt.is_quarter_end
# 筛选出季度末的预算数据
quarter_end_budget = df[df['is_quarter_end']]
print(quarter_end_budget, end='\n\n')

# 277-6、数据可视化
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
# 生成示例数据
date_range = pd.date_range(start='2023-01-01', end='2023-12-31', freq='D')
values = np.random.randn(len(date_range))
df = pd.DataFrame({'date': date_range, 'value': values})
# 设置日期为索引
df.set_index('date', inplace=True)
# 添加季度末标记
df['is_quarter_end'] = df.index.to_series().dt.is_quarter_end
# 生成时间序列图
plt.figure(figsize=(10, 6))
plt.plot(df.index, df['value'], label='Daily Values')
plt.scatter(df[df['is_quarter_end']].index, df[df['is_quarter_end']]['value'], color='red', label='Quarter End', zorder=5)
plt.title('Daily Values with Quarter End Highlights')
plt.xlabel('Date')
plt.ylabel('Value')
plt.legend()
plt.show()
277-6-3、结果输出
# 277、pandas.Series.dt.is_quarter_end属性
# 277-1、财务报告
#             revenue  is_quarter_end
# date                               
# 2022-03-31      120            True
# 2022-06-30      170            True
# 2022-09-30      200            True
# 2022-12-31      220            True
# 2023-03-31      120            True
# 2023-06-30      170            True
# 2023-09-30      200            True
# 2023-12-31      220            True

# 277-2、季度分析
#             sales  is_quarter_end
# date                             
# 2023-03-31    199               1
# 2023-06-30    106               1
# 2023-09-30    135               1
# 2023-12-31    145               1

# 277-3、时间序列分析
#                value  is_quarter_end  quarter_end_value
# date                                                   
# 2023-01-01  1.134182           False                NaN
# 2023-01-02 -0.246785           False                NaN
# 2023-01-03 -0.924551           False                NaN
# 2023-01-04 -0.072634           False                NaN
# 2023-01-05  1.326382           False                NaN
# ...              ...             ...                ...
# 2023-12-27 -0.511110           False                NaN
# 2023-12-28 -1.399089           False                NaN
# 2023-12-29 -0.159974           False                NaN
# 2023-12-30  0.643342           False                NaN
# 2023-12-31  0.399300            True             0.3993
# 
# [365 rows x 3 columns]

# 277-4、投资组合管理
#             portfolio_value  is_quarter_end
# date                                       
# 2022-03-31       999.132484            True
# 2022-06-30       991.091731            True
# 2022-09-30       992.471551            True
# 2023-03-31       999.789461            True
# 2023-06-30       994.793638            True

# 277-5、预算和计划
#             budget  is_quarter_end
# date                              
# 2023-03-31   11000            True
# 2023-06-30   12500            True
# 2023-09-30   14500            True
# 2023-12-31   16000            True

# 277-6、数据可视化
# 见图1

图1：

278、pandas.Series.dt.is_year_start属性
278-1、语法
# 278、pandas.Series.dt.is_year_start属性
pandas.Series.dt.is_year_start
Indicate whether the date is the first day of a year.

Returns:
Series or DatetimeIndex
The same type as the original data with boolean values. Series will have the same name and index. DatetimeIndex will have the same name.
278-2、参数

        无

278-3、功能

        用于检查Series中的每个时间戳是否是该年的第一天(即1月1日)。

278-4、返回值

        返回一个布尔类型的Series，其中每个元素表示对应时间戳是否为该年的第一天，具体来说，如果某个时间戳是1月1日，则对应的值为True，否则为False。

278-5、说明

        使用场景：

278-5-1、筛选特定日期：在时间序列数据中，筛选出每年开始的日期。

278-5-2、标记事件：标记时间序列数据中的特定日期，以便后续分析。

278-5-3、数据分组：按每年的开始日期进行数据分组和聚合。

278-6、用法
278-6-1、数据准备
无
278-6-2、代码示例
# 278、pandas.Series.dt.is_year_start属性
# 278-1、筛选每年开始的日期
import pandas as pd
# 创建包含日期的Series
dates = pd.Series(pd.date_range('2020-01-01', '2024-07-31', freq='D'))
# 筛选每年开始的日期
year_start_dates = dates[dates.dt.is_year_start]
print(year_start_dates, end='\n\n')

# 278-2、标记每年开始的日期
import pandas as pd
# 创建包含日期的DataFrame
data = pd.DataFrame({
    'date': pd.date_range('2020-01-01', '2023-12-31', freq='D'),
    'value': range(1461)
})
# 标记每年开始的日期
data['is_year_start'] = data['date'].dt.is_year_start
print(data.head(10), end='\n\n')

# 278-3、按每年开始的日期进行数据分组和聚合
import pandas as pd
# 创建包含日期的DataFrame
data = pd.DataFrame({
    'date': pd.date_range('2020-01-01', '2023-12-31', freq='D'),
    'value': range(1461)
})
# 添加每年开始的标记（这一步实际上对于计算整年总值不是必需的）
data['is_year_start'] = data['date'].dt.is_year_start
# 按年份进行分组并计算每年的value总和
grouped_data = data.groupby(data['date'].dt.year)['value'].sum().reset_index()
print(grouped_data)
278-6-3、结果输出
# 278、pandas.Series.dt.is_year_start属性
# 278-1、筛选每年开始的日期
# 0      2020-01-01
# 366    2021-01-01
# 731    2022-01-01
# 1096   2023-01-01
# 1461   2024-01-01
# dtype: datetime64[ns]

# 278-2、标记每年开始的日期
#         date  value  is_year_start
# 0 2020-01-01      0           True
# 1 2020-01-02      1          False
# 2 2020-01-03      2          False
# 3 2020-01-04      3          False
# 4 2020-01-05      4          False
# 5 2020-01-06      5          False
# 6 2020-01-07      6          False
# 7 2020-01-08      7          False
# 8 2020-01-09      8          False
# 9 2020-01-10      9          False

# 278-3、按每年开始的日期进行数据分组和聚合
#    date   value
# 0  2020   66795
# 1  2021  200020
# 2  2022  333245
# 3  2023  466470
279、pandas.Series.dt.is_year_end属性
279-1、语法
# 279、pandas.Series.dt.is_year_end属性
pandas.Series.dt.is_year_end
Indicate whether the date is the last day of the year.

Returns:
Series or DatetimeIndex
The same type as the original data with boolean values. Series will have the same name and index. DatetimeIndex will have the same name.
279-2、参数

        无

279-3、功能

        用于检查每个日期是否为一年中的最后一天的属性。

279-4、返回值

        返回一个布尔型的Series，用于标识日期是否为每年的结束。

279-5、说明

        使用场景：

279-5-1、筛选特定日期：在时间序列数据中，筛选出每年结束的日期。

279-5-2、标记事件：标记时间序列数据中的特定日期，以便后续分析。

279-5-3、数据分组：按每年的结束日期进行数据分组和聚合。

279-6、用法
279-6-1、数据准备
无
279-6-2、代码示例
# 279、pandas.Series.dt.is_year_end属性
# 279-1、筛选每年结束的日期
import pandas as pd
# 创建包含日期的Series
dates = pd.Series(pd.date_range('2020-01-01', '2023-12-31', freq='D'))
# 筛选每年结束的日期
year_end_dates = dates[dates.dt.is_year_end]
print(year_end_dates, end='\n\n')

# 279-2、标记每年结束的日期
import pandas as pd
# 创建包含日期的DataFrame
data = pd.DataFrame({
    'date': pd.date_range('2020-01-01', '2023-12-31', freq='D'),
    'value': range(1461)
})
# 标记每年结束的日期
data['is_year_end'] = data['date'].dt.is_year_end
print(data.head(10), end='\n\n')

# 279-3、按每年结束的日期进行数据分组和聚合
import pandas as pd
# 创建包含日期的DataFrame
data = pd.DataFrame({
    'date': pd.date_range('2020-01-01', '2023-12-31', freq='D'),
    'value': range(1461)
})
# 添加每年结束的标记（这一步实际上对于计算整年总值不是必需的）
data['is_year_end'] = data['date'].dt.is_year_end
# 按年份进行分组并计算每年的value总和
grouped_data = data.groupby(data['date'].dt.year)['value'].sum().reset_index()
print(grouped_data)
279-6-3、结果输出
# 279、pandas.Series.dt.is_year_end属性
# 279-1、筛选每年结束的日期
# 365    2020-12-31
# 730    2021-12-31
# 1095   2022-12-31
# 1460   2023-12-31
# dtype: datetime64[ns]

# 279-2、标记每年结束的日期
#         date  value  is_year_end
# 0 2020-01-01      0        False
# 1 2020-01-02      1        False
# 2 2020-01-03      2        False
# 3 2020-01-04      3        False
# 4 2020-01-05      4        False
# 5 2020-01-06      5        False
# 6 2020-01-07      6        False
# 7 2020-01-08      7        False
# 8 2020-01-09      8        False
# 9 2020-01-10      9        False

# 279-3、按每年结束的日期进行数据分组和聚合
#    date   value
# 0  2020   66795
# 1  2021  200020
# 2  2022  333245
# 3  2023  466470
280、pandas.Series.dt.is_leap_year属性
280-1、语法
# 280、pandas.Series.dt.is_leap_year属性
pandas.Series.dt.is_leap_year
Boolean indicator if the date belongs to a leap year.

A leap year is a year, which has 366 days (instead of 365) including 29th of February as an intercalary day. Leap years are years which are multiples of four with the exception of years divisible by 100 but not by 400.

Returns:
Series or ndarray
Booleans indicating if dates belong to a leap year.
280-2、参数

        无

280-3、功能

        用于检查日期是否在闰年中的属性。

280-4、返回值

        返回一个布尔型的Series，用于标识每个日期所在的年份是否为闰年。

280-5、说明

        使用场景：

280-5-1、筛选闰年数据：在时间序列数据中，筛选出闰年的数据。

280-5-2、数据分析：分析闰年与非闰年的数据差异。

280-5-3、数据可视化：对闰年和非闰年的数据进行区分和可视化。

280-6、用法
280-6-1、数据准备
无
280-6-2、代码示例
# 280、pandas.Series.dt.is_leap_year属性
# 280-1、筛选闰年中的日期
import pandas as pd
# 创建包含日期的Series
dates = pd.Series(pd.date_range('2018-01-01', '2023-12-31', freq='D'))
# 筛选闰年中的日期
leap_year_dates = dates[dates.dt.is_leap_year]
print("闰年中的日期：")
print(leap_year_dates, end='\n\n')

# 280-2、标记闰年日期
import pandas as pd
# 创建包含日期的DataFrame
data = pd.DataFrame({
    'date': pd.date_range('2018-01-01', '2023-12-31', freq='D'),
    'value': range(2191)
})
# 标记闰年中的日期
data['is_leap_year'] = data['date'].dt.is_leap_year
print("标记闰年日期的数据前十行：")
print(data.head(10), end='\n\n')

# 280-3、统计闰年和非闰年的数据
import pandas as pd
# 创建包含日期的DataFrame
data = pd.DataFrame({
    'date': pd.date_range('2018-01-01', '2023-12-31', freq='D'),
    'value': range(2191)
})
# 添加闰年的标记
data['is_leap_year'] = data['date'].dt.is_leap_year
# 统计闰年和非闰年的数据
leap_year_data = data[data['is_leap_year']]
non_leap_year_data = data[~data['is_leap_year']]
print("闰年数据总和:", leap_year_data['value'].sum())
print("非闰年数据总和:", non_leap_year_data['value'].sum(), end='\n\n')

# 280-4、可视化闰年和非闰年的数据
import pandas as pd
import matplotlib.pyplot as plt
# 创建包含日期的DataFrame
data = pd.DataFrame({
    'date': pd.date_range('2018-01-01', '2023-12-31', freq='D'),
    'value': range(2191)  # 一些示例数据
})
# 添加闰年的标记
data['is_leap_year'] = data['date'].dt.is_leap_year
# 统计每年的数据总和
yearly_data = data.groupby(data['date'].dt.year)['value'].sum()
# 标记闰年
leap_years = yearly_data[yearly_data.index.to_series().apply(lambda x: pd.Timestamp(str(x)).is_leap_year)]
# 绘制图表
plt.figure(figsize=(10, 6))
plt.bar(yearly_data.index, yearly_data.values, color='skyblue', label='All Years')
plt.bar(leap_years.index, leap_years.values, color='green', label='Leap Years')
plt.xlabel('Year')
plt.ylabel('Total Value')
plt.title('Total Value per Year with Leap Years Highlighted')
plt.legend()
plt.show()
280-6-3、结果输出
# 280、pandas.Series.dt.is_leap_year属性
# 280-1、筛选闰年中的日期
# 闰年中的日期：
# 730    2020-01-01
# 731    2020-01-02
# 732    2020-01-03
# 733    2020-01-04
# 734    2020-01-05
#           ...    
# 1091   2020-12-27
# 1092   2020-12-28
# 1093   2020-12-29
# 1094   2020-12-30
# 1095   2020-12-31
# Length: 366, dtype: datetime64[ns]

# 280-2、标记闰年日期
# 标记闰年日期的数据前十行：
#         date  value  is_leap_year
# 0 2018-01-01      0         False
# 1 2018-01-02      1         False
# 2 2018-01-03      2         False
# 3 2018-01-04      3         False
# 4 2018-01-05      4         False
# 5 2018-01-06      5         False
# 6 2018-01-07      6         False
# 7 2018-01-08      7         False
# 8 2018-01-09      8         False
# 9 2018-01-10      9         False

# 280-3、统计闰年和非闰年的数据
# 闰年数据总和: 333975
# 非闰年数据总和: 2065170

# 280-4、可视化闰年和非闰年的数据
# 见图2

图2：

二、推荐阅读

1、Python筑基之旅
2、Python函数之旅
3、Python算法之旅
4、Python魔法之旅
5、博客个人主页
神奇夜光杯
关注
  • 41
    点赞
  • 踩
  • 29
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 12
    评论
专栏目录
Python酷库之旅-第三方库Pandas(005)
07-05
Pandas_read_excel函数数据准备
python-3.12.1-amd64安装包
01-26
此外，Python的pip工具允许用户方便地安装、升级和管理第三方库，进一步扩展了Python的功能。 总之，"python-3.12.1-amd64.exe"是一个针对64位Windows系统的Python 3.12.1安装程序，包含了运行和开发Python应用所需...
Python酷库之旅-第三方库Pandas(046)
ygb_1024的博客
07-26 1381
第三方库Pandas(046)
Python酷库之旅-第三方库Pandas(059)
ygb_1024的博客
08-02 1785
第三方库Pandas(059)
Python酷库之旅-第三方库Pandas(064)
ygb_1024的博客
08-04 1262
第三方库Pandas(064)
Python酷库之旅-第三方库Pandas(062)
ygb_1024的博客
08-03 1938
第三方库Pandas(062)
Python酷库之旅-第三方库Pandas(023)
ygb_1024的博客
07-15 1591
第三方库Pandas(023)
Python酷库之旅-第三方库Pandas(060)
ygb_1024的博客
08-02 1480
第三方库Pandas(060)
Python酷库之旅-第三方库Pandas(021)
ygb_1024的博客
07-14 1539
第三方库Pandas(021)
Python酷库之旅-第三方库Pandas(051)
ygb_1024的博客
07-29 892
第三方库Pandas(051)
Python酷库之旅-第三方库Pandas(061)
ygb_1024的博客
08-03 853
第三方库Pandas(061)
Python酷库之旅-第三方库Pandas(011)
ygb_1024的博客
07-09 2084
第三方库Pandas(011)
Python库 | coconut-develop-2.0.0a0.dev23.tar.gz
03-01
你可以使用pip来安装和管理Coconut库，同时，它与其他Python库（如NumPy、Pandas等）无缝协作，这意味着你可以在使用Coconut的同时，充分利用Python丰富的第三方库资源。 Coconut库的源代码打包为`coconut-develop-...
Python库 | seleniumbase-1.38.6-py2.py3-none-any.whl
03-24
7. **集成第三方库**：`seleniumbase`能够与`unittest`、`pytest`等测试框架无缝集成，也可以与其他库如`pandas`和`requests`配合，实现更复杂的测试需求。 8. **可扩展性**：`seleniumbase`设计为模块化，用户可以...
python官方3.8.7-amd64版本exe安装包
08-11
在安装Python后，开发者可以利用丰富的第三方库如NumPy、Pandas、Matplotlib进行数据分析，或者使用Django、Flask框架进行Web开发。Python的生态系统庞大且活跃，不断有新的库和工具涌现，以满足各种需求。 总之，...
jupyter下载
Einstein·Jun
08-06 233
Anaconda下载 参考链接：https://blog.csdn.net/qq_48372575/article/details/125630622 设置Jupyter Notebook的代码路径 在“此电脑”中搜索。删除最后一个""后面的的内容，包括“\”。 用记事本打开它。 按下ctrl+F就可以开始查找。查找内容如下： 找到之后，右键该文件，找到“发送到”，找到“桌面快捷方式”。然后就会发现桌面上已经建立好了！
在 Python 和 C++ 环境下安装和使用 ONNX Runtime
CDBmax的博客
08-03 315
对于 GPU 版本的 ONNX Runtime，需要安装 CUDA 和 cuDNN。请检查 CUDA 执行提供程序的要求以获取兼容版本的 CUDA 和 cuDNN。通过上述步骤和示例代码，您可以在 Python 和 C++ 环境下安装并使用 ONNX Runtime 进行模型推理。《windows端可以用 vs编辑器配置相应的头文件、库文件》《这部分可以去B站有很多教学视频讲的更详细》
【面试题】寻找两个正序数组的中位数
联系方式：927632640
08-06 299
面试学习给定两个大小分别为 m 和 n 的正序数组 nums1 和 nums2，我们需要找到这两个数组的中位数。下面是详细的解题步骤和 Python 代码示例。
书生大模型实战营第三期——入门岛——python基础知识
最新发布
qq_46576562的博客
08-06 154
评论 12
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

神奇夜光杯

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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