Pandas时间序列操作的几种方法

发表于 更新于
时间序列分析至关重要，因为它们可以帮助我们了解随着时间的推移影响趋势或系统模式的因素。

1、查找特定日期的某一天的名称

1
2
3
4
import pandas as pd

day = pd.Timestamp('2021/1/5') 
print(day.day_name())

2、执行算数计算

1
2
3
4
5
6
7
8
import pandas as pd 
 
day = pd.Timestamp('2021/1/5') 
day1 = day + pd.Timedelta("3 day")     # 后三天
print(day1.day_name())
 
day2 = day1 + pd.offsets.BDay()    # 下一个工作日
print(day2.day_name())

3、使用时区信息来操作转换日期时间

1
2
3
4
5
6
7
import pandas as pd 

day = pd.Timestamp('2021/1/5') 
dat_ran = day.tz_localize("UTC")  
print(dat_ran)

print(dat_ran.tz_convert("US/Pacific"))  # 转换为美国时区

4、使用时间序列

1
2
3
4
import pandas as pd 

dat_ran = pd.date_range(start = '1/1/2021', end = '1/5/2021', freq = 'Min') 
print(dat_ran[110])

5、操作日期序列

1
2
3
4
5
6
7
8
import pandas as pd 
import numpy as np 
 
dat_ran = pd.date_range(start ='1/1/2019', end ='1/08/2019',freq ='Min') 
df = pd.DataFrame(dat_ran, columns =['date'])

df['data'] = np.random.randint(0, 100, size =(len(dat_ran))) 
print(df.head(5))