13518219792
今天就跟大家聊聊有关python中怎么使用pandas实现时序处理，可能很多人都不太了解，为了让大家更加了解，小编给大家总结了以下内容，希望大家根据这篇文章可以有所收获。
创建时间序列
函数pd.date_range()
根据指定的范围，生成时间序列DatetimeIndex，每隔元素的类型为Timestamp。该函数应用较多。
ts = pd.date_range('2017-09-01', periods=10, freq='d', normalize=False)
ts输出为：
DatetimeIndex(['2017-09-01', '2017-09-02', '2017-09-03', '2017-09-04', '2017-09-05', '2017-09-06', '2017-09-07', '2017-09-08', '2017-09-09', '2017-09-10'], dtype='datetime64[ns]', freq='D'
主要的入参解析：
start: 开始时刻，可以是字符串或者datetime类型的值。默认None。
end: 结束时刻，可以是字符串或者datetime类型的值，如果指定了长度，即periods，则可不设置。默认None。
periods: 时序的长度，整型类型。如果有end，可不设置。默认None。
freq: 时序生成的频率，即每隔多少时刻生成一个时序点。字符串类型或者DateOffset类型。默认'D'，即天粒度，见上述代码输出。
tz: 时区，字符串类型。默认None。
normalize: bool类型，没用过，不知道干啥的。
name: 设置时序的名称，字符串类型，默认None。
closed: 是否包含两边的值。默认None，即两边都保留。
其中，freq的取值可以为如下的符号表示间隔，可以结合符号和数字，如'3d'，表示每隔三天记录一个时间点。大小写都可以。
B business day frequency C custom business day frequency (experimental) D calendar day frequency W weekly frequency M month end frequency SM semi-month end frequency (15th and end of month) BM business month end frequency CBM custom business month end frequency MS month start frequency SMS semi-month start frequency (1st and 15th) BMS business month start frequency CBMS custom business month start frequency Q quarter end frequency BQ business quarter endfrequency QS quarter start frequency BQS business quarter start frequency A year end frequency BA business year end frequency AS year start frequency BAS business year start frequency BH business hour frequency H hourly frequency T, min minutely frequency S secondly frequency L, ms milliseconds U, us microseconds N nanoseconds
字符串转换为时间戳
pd.to_datetime() 函数可以将表示时间的字符串转换位TimeStamp。
pd.to_datetime('2017-09-01')输出为：
Timestamp('2017-09-01 00:00:00')常用的参数：
format: 用来设置字符串的格式，默认如上所示。
时间戳的加减
有时候需要将时间进行增减，可以使用类型：DateOffset。
pd.to_datetime('2017-09-01') + pd.DateOffset(days=10)输出为：
Timestamp('2017-09-11 00:00:00')DateOffset常用的参数：
months，设置月。
days，设置天。
years，设置年。
hours，设置小时。
minutes，设置分钟。
seconds，设置秒。
以上可以同时设置，组合使用。
pd.to_datetime('2017-09-01') + pd.DateOffset(seconds=10, days = 10)输出为：
Timestamp('2017-09-11 00:00:10')看完上述内容，你们对python中怎么使用pandas实现时序处理有进一步的了解吗？如果还想了解更多知识或者相关内容，请关注创新互联行业资讯频道，感谢大家的支持。
