Python酷库之旅-第三方库Pandas(218)

目录

一、用法精讲

1021、pandas.DatetimeIndex.inferred_freq属性

1021-1、语法

1021-2、参数

1021-3、功能

1021-4、返回值

1021-5、说明

1021-6、用法

1021-6-1、数据准备

1021-6-2、代码示例

1021-6-3、结果输出

1022、pandas.DatetimeIndex.indexer_at_time方法

1022-1、语法

1022-2、参数

1022-3、功能

1022-4、返回值

1022-5、说明

1022-6、用法

1022-6-1、数据准备

1022-6-2、代码示例

1022-6-3、结果输出

1023、pandas.DatetimeIndex.indexer_between_time方法

1023-1、语法

1023-2、参数

1023-3、功能

1023-4、返回值

1023-5、说明

1023-6、用法

1023-6-1、数据准备

1023-6-2、代码示例

1023-6-3、结果输出

1024、pandas.DatetimeIndex.normalize方法

1024-1、语法

1024-2、参数

1024-3、功能

1024-4、返回值

1024-5、说明

1024-6、用法

1024-6-1、数据准备

1024-6-2、代码示例

1024-6-3、结果输出

1025、pandas.DatetimeIndex.strftime方法

1025-1、语法

1025-2、参数

1025-3、功能

1025-4、返回值

1025-5、说明

1025-6、用法

1025-6-1、数据准备

1025-6-2、代码示例

1025-6-3、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

1021、pandas.DatetimeIndex.inferred_freq属性
1021-1、语法
# 1021、pandas.DatetimeIndex.inferred_freq属性
pandas.DatetimeIndex.inferred_freq
Tries to return a string representing a frequency generated by infer_freq.Returns None if it can’t autodetect the frequency.
1021-2、参数

        无

1021-3、功能

        用于获取DatetimeIndex对象的推断频率，它可以帮助用户了解时间序列数据的频率模式，在进行时间序列分析时非常重要。

1021-4、返回值

        返回一个字符串，表示DatetimeIndex中日期时间的推断频率，如果无法推断出明确的频率，则返回None，推断频率可以是以下几种类型，例如：

  • 'D'：日频
  • 'h'：小时频
  • 'min'：分钟频
  • 's'：秒频
  • 'ME'：月末频
  • 'YE'：年末频
1021-5、说明

        无

1021-6、用法
1021-6-1、数据准备
无
1021-6-2、代码示例
# 1021、pandas.DatetimeIndex.inferred_freq属性
import pandas as pd
# 创建一个包含日期的DatetimeIndex
dates = pd.date_range(start='2024-11-14', periods=5, freq='YE')
datetime_index = pd.DatetimeIndex(dates)
# 获取推断的频率
frequency = datetime_index.inferred_freq
# 输出结果
print(frequency)
1021-6-3、结果输出
# 1021、pandas.DatetimeIndex.inferred_freq属性
# YE-DEC
1022、pandas.DatetimeIndex.indexer_at_time方法
1022-1、语法
# 1022、pandas.DatetimeIndex.indexer_at_time方法
pandas.DatetimeIndex.indexer_at_time(time, asof=False)
Return index locations of values at particular time of day.Parameters:
time
datetime.time or str
Time passed in either as object (datetime.time) or as string in appropriate format (“%H:%M”, “%H%M”, “%I:%M%p”, “%I%M%p”, “%H:%M:%S”, “%H%M%S”, “%I:%M:%S%p”, “%I%M%S%p”).Returns:
np.ndarray[np.intp]
1022-2、参数

1022-2-1、time(必需)：字符串或datetime.time对象，表示需要匹配的时间，格式通常是'HH:MM'。

1022-2-2、asof(可选，默认值为False)：布尔值，如果设置为True，该方法将返回所提供时间之前的最近索引，而不是所有匹配的索引。

1022-3、功能

        用于查找特定时间在DatetimeIndex中的索引位置，该方法允许你根据给定的时间字符串或时间对象，获取所有匹配的索引，其参数asof还可以进一步定义返回的行为。

1022-4、返回值

        返回一个整数数组，表示所有匹配或最近匹配的索引位置，如果没有匹配项，则返回一个空数组。

1022-5、说明

        无

1022-6、用法
1022-6-1、数据准备
无
1022-6-2、代码示例
# 1022、pandas.DatetimeIndex.indexer_at_time方法
import pandas as pd
# 创建一个日期范围
date_rng = pd.date_range(start='2024-11-14', end='2024-11-18', freq='h')
datetime_index = pd.DatetimeIndex(date_rng)
# 查找特定时间 (12:00)
indexer_all = datetime_index.indexer_at_time('12:00')
print("All indices for time 12:00:", indexer_all)
print("Corresponding dates:", datetime_index[indexer_all])
1022-6-3、结果输出
# 1022、pandas.DatetimeIndex.indexer_at_time方法
# All indices for time 12:00: [12 36 60 84]
# Corresponding dates: DatetimeIndex(['2024-11-14 12:00:00', '2024-11-15 12:00:00',
#                '2024-11-16 12:00:00', '2024-11-17 12:00:00'],
#               dtype='datetime64[ns]', freq=None)
1023、pandas.DatetimeIndex.indexer_between_time方法
1023-1、语法
# 1023、pandas.DatetimeIndex.indexer_between_time方法
pandas.DatetimeIndex.indexer_between_time(start_time, end_time, include_start=True, include_end=True)
Return index locations of values between particular times of day.Parameters:
start_time, end_time
datetime.time, str
Time passed either as object (datetime.time) or as string in appropriate format (“%H:%M”, “%H%M”, “%I:%M%p”, “%I%M%p”, “%H:%M:%S”, “%H%M%S”, “%I:%M:%S%p”,”%I%M%S%p”).include_start
bool, default True
include_end
bool, default True
Returns:
np.ndarray[np.intp]
1023-2、参数

1023-2-1、start_time(必需)：字符串或datetime.time对象，表示时间范围的起始时间。

1023-2-2、end_time(必需)：字符串或datetime.time对象，表示时间范围的结束时间。

1023-2-3、include_start(可选，默认值为True)：布尔值，如果为True，则包含起始时间的索引。

1023-2-4、include_end(可选，默认值为True)：布尔值，如果为True，则包含结束时间的索引。

1023-3、功能

        用于查找在指定时间范围内的索引位置，该方法非常适合处理时间序列数据，尤其是在你需要筛选特定时间段的数据时。

1023-4、返回值

        返回一个整数数组，表示在指定时间范围内的所有匹配索引位置，如果没有匹配项，则返回一个空数组。

1023-5、说明

        无

1023-6、用法
1023-6-1、数据准备
无
1023-6-2、代码示例
# 1023、pandas.DatetimeIndex.indexer_between_time方法
import pandas as pd
# 创建一个日期范围
date_rng = pd.date_range(start='2024-11-14', end='2024-11-17', freq='h')
datetime_index = pd.DatetimeIndex(date_rng)
# 查找在特定时间范围内的索引 (例如 10:00 到 12:00)
indexer = datetime_index.indexer_between_time('10:00', '12:00')
print("Indices between 10:00 and 12:00:", indexer)
print("Corresponding dates:", datetime_index[indexer])
# 查找不包含起始时间的索引
indexer_exclude_start = datetime_index.indexer_between_time('10:00', '12:00', include_start=False)
print("Indices between 10:00 and 12:00 (excluding start):", indexer_exclude_start)
print("Corresponding dates:", datetime_index[indexer_exclude_start])
1023-6-3、结果输出
# 1023、pandas.DatetimeIndex.indexer_between_time方法
# Indices between 10:00 and 12:00: [10 11 12 34 35 36 58 59 60]
# Corresponding dates: DatetimeIndex(['2024-11-14 10:00:00', '2024-11-14 11:00:00',
#                '2024-11-14 12:00:00', '2024-11-15 10:00:00',
#                '2024-11-15 11:00:00', '2024-11-15 12:00:00',
#                '2024-11-16 10:00:00', '2024-11-16 11:00:00',
#                '2024-11-16 12:00:00'],
#               dtype='datetime64[ns]', freq=None)
# Indices between 10:00 and 12:00 (excluding start): [11 12 35 36 59 60]
# Corresponding dates: DatetimeIndex(['2024-11-14 11:00:00', '2024-11-14 12:00:00',
#                '2024-11-15 11:00:00', '2024-11-15 12:00:00',
#                '2024-11-16 11:00:00', '2024-11-16 12:00:00'],
#               dtype='datetime64[ns]', freq=None)
1024、pandas.DatetimeIndex.normalize方法
1024-1、语法
# 1024、pandas.DatetimeIndex.normalize方法
pandas.DatetimeIndex.normalize(*args, **kwargs)
Convert times to midnight.The time component of the date-time is converted to midnight i.e. 00:00:00. This is useful in cases, when the time does not matter. Length is unaltered. The timezones are unaffected.This method is available on Series with datetime values under the .dt accessor, and directly on Datetime Array/Index.Returns:
DatetimeArray, DatetimeIndex or Series
The same type as the original data. Series will have the same name and index. DatetimeIndex will have the same name.
1024-2、参数

1024-2-1、*args(可选)：其他位置参数，为后续扩展功能做预留。

1024-2-2、**kwargs(可选)：其他关键字参数，为后续扩展功能做预留。

1024-3、功能

        用于将DatetimeIndex中的所有时间戳调整为相同的日期部分，具体来说就是将时间部分归零，对于比较或对齐时间序列数据非常有用。

1024-4、返回值

        返回一个新的DatetimeIndex，其中所有的时间部分都被设置为00:00:00(即午夜)。

1024-5、说明

        无

1024-6、用法
1024-6-1、数据准备
无
1024-6-2、代码示例
# 1024、pandas.DatetimeIndex.normalize方法
import pandas as pd
# 创建一个包含多个日期时间的DatetimeIndex
dates = pd.to_datetime(['2024-11-14 10:30:00', '2024-11-15 12:45:00', '2024-11-16 15:00:00'])
datetime_index = pd.DatetimeIndex(dates)
# 归一化DatetimeIndex
normalized_index = datetime_index.normalize()
print("原始DatetimeIndex:")
print(datetime_index)
print("\n归一化后的DatetimeIndex:")
print(normalized_index)
1024-6-3、结果输出
# 1024、pandas.DatetimeIndex.normalize方法
# 原始DatetimeIndex:
# DatetimeIndex(['2024-11-14 10:30:00', '2024-11-15 12:45:00',
#                '2024-11-16 15:00:00'],
#               dtype='datetime64[ns]', freq=None)
# 
# 归一化后的DatetimeIndex:
# DatetimeIndex(['2024-11-14', '2024-11-15', '2024-11-16'], dtype='datetime64[ns]', freq='D')
1025、pandas.DatetimeIndex.strftime方法
1025-1、语法
# 1025、pandas.DatetimeIndex.strftime方法
pandas.DatetimeIndex.strftime(date_format)
Convert to Index using specified date_format.Return an Index of formatted strings specified by date_format, which supports the same string format as the python standard library. Details of the string format can be found in python string format doc.Formats supported by the C strftime API but not by the python string format doc (such as “%R”, “%r”) are not officially supported and should be preferably replaced with their supported equivalents (such as “%H:%M”, “%I:%M:%S %p”).Note that PeriodIndex support additional directives, detailed in Period.strftime.Parameters:
date_format
str
Date format string (e.g. “%Y-%m-%d”).Returns:
ndarray[object]
NumPy ndarray of formatted strings.
1025-2、参数

1025-2-1、date_format(必需)：一个字符串，表示日期和时间的格式，与Python的strftime方法一致，您可以使用各种格式代码来指定要显示的日期和时间信息。

1025-3、功能

        用于将DatetimeIndex中的日期时间对象格式化为指定的字符串格式，该方法通常用于将时间戳转换为更易读的字符串格式，以便于展示或记录。

1025-4、返回值

        返回一个包含格式化字符串的NumPy数组(numpy.ndarray)，每个元素对应于DatetimeIndex中的相应时间戳。

1025-5、说明

        无

1025-6、用法
1025-6-1、数据准备
无
1025-6-2、代码示例
# 1025、pandas.DatetimeIndex.strftime方法
import pandas as pd
# 创建一个包含多个日期时间的DatetimeIndex
dates = pd.to_datetime(['2024-11-14 10:30:00', '2024-11-15 12:45:00', '2024-11-16 15:00:00'])
datetime_index = pd.DatetimeIndex(dates)
# 使用strftime格式化日期和时间
formatted_dates = datetime_index.strftime('%Y-%m-%d %H:%M:%S')
print("原始DatetimeIndex:")
print(datetime_index)
print("\n格式化后的字符串:")
print(formatted_dates)
1025-6-3、结果输出
# 1025、pandas.DatetimeIndex.strftime方法
# 原始DatetimeIndex:
# DatetimeIndex(['2024-11-14 10:30:00', '2024-11-15 12:45:00',
#                '2024-11-16 15:00:00'],
#               dtype='datetime64[ns]', freq=None)
# 
# 格式化后的字符串:
# Index(['2024-11-14 10:30:00', '2024-11-15 12:45:00', '2024-11-16 15:00:00'], dtype='object')

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

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/pingmian/60843.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

MATLAB用到的矩阵基础知识（矩阵的乘和矩阵的逆）

MATLAB用到的矩阵基础知识（矩阵的乘和矩阵的逆）

1. 矩阵乘法 方法： 设第一个矩阵为 A A A，第二个矩阵为 B B B，则 A A A的第一行乘 B B B的第一列，先想乘再相加，作为目标矩阵的一个元素。 前提条件： 所以我们可以看到矩阵相乘的前提条件：第一个矩阵的列数等于第二个矩阵的行数。否则，我们就无法进行行和列的相乘。 最…
阅读更多...
SpringBoot+MyBatis+MySQL的Point实现范围查找

SpringBoot+MyBatis+MySQL的Point实现范围查找

前言 最近做了一个功能，需要通过用户当前位置点获取指定范围内的数据。由于后端存储用的是 MySQL，故选择使用 MySQL 中的 Point 实现范围查找功能。ORM 框架用的是 MyBatis，MyBatis 原生并不支持 Point 字段与 POJO 的映射，需要自…
阅读更多...
共享门店模式：创新零售的新篇章

共享门店模式：创新零售的新篇章

​在消费升级和数字化转型的双重浪潮下，传统零售业正面临前所未有的挑战与机遇。其中，共享门店模式作为一种创新的商业模式，正逐渐成为实体店铺应对电商冲击、提升运营效率和市场竞争力的重要途径。本文将深入解析共享门店模式的内涵、优势、…
阅读更多...
通过JS删除当前域名中的全部COOKIE教程

通过JS删除当前域名中的全部COOKIE教程

有时候需要通过JS来控制一下网站的登录状态，就例如:网站登出功能，我们可以直接通过JS将所有COOKIE删除，COOKIE删除之后，网站自然也就退出了。 那么今天我就给大家分享一段JS的函数，通过调用这段函数就可以实现删除COO…
阅读更多...
QT开发之版本选择

QT开发之版本选择

在选择Qt开发版本时，以下是一些建议： 1. **稳定性和广泛使用**：Qt5系列是目前使用最广泛的版本，其中一些长期支持（LTS）版本因其稳定性和长期维护而受到推荐。 2. **Qt5 LTS版本推荐**：以下是一…
阅读更多...
docker desktop运行rabittmq容器，控制台无法访问

docker desktop运行rabittmq容器，控制台无法访问

docker desktop运行rabittmq容器，控制台无法访问 启动过程：…此处缺略，网上一大堆 原因 原因是在Docker上运行的RabbitMQ，默认情况下是没有启用管理插件和管理页面的 解决办法 使用命令 docker exec -it 容器id /bin/bash 进…
阅读更多...
「Mac玩转仓颉内测版15」PTA刷题篇6 - L1-006 连续因子

「Mac玩转仓颉内测版15」PTA刷题篇6 - L1-006 连续因子

本篇将继续讲解PTA平台上的题目 L1-006 连续因子，通过因子分解与连续因子的计算，进一步提升Cangjie编程语言的算法设计与数学运算能力。 关键词 PTA刷题因子分解连续因子数学运算Cangjie语言 一、L1-006 连续因子 题目描述：给定一个正整数 …
阅读更多...
cocosCreator视频web模式播放踩坑解决

cocosCreator视频web模式播放踩坑解决

/*** 对外输出接口*/ export interface VideoPlayerManageInterface {//初始化视频播放器init(list: VideoPlayerManageInitListType[],options?: VideoPlayerManageInitOptionsType): Promise<void>;//播放视频play(url: string, currentTime?: number): Promise<v…
阅读更多...
C++中的栈（Stack）和堆（Heap）

C++中的栈（Stack）和堆（Heap）

在C中&#xff0c;堆&#xff08;heap&#xff09;和栈&#xff08;stack&#xff09;是两种用于存储数据的内存区域。理解它们的原理和区别&#xff0c;对于优化代码性能和确保代码的安全性至关重要。以下是对C中堆栈的详细解析&#xff0c;包括它们的分配方式、优缺点、应用场…
阅读更多...
爬虫开发工具与环境搭建——环境配置

爬虫开发工具与环境搭建——环境配置

第二章&#xff1a;爬虫开发工具与环境搭建 第二节&#xff1a;环境配置 在进行爬虫开发之前&#xff0c;首先需要配置好开发环境。一个良好的开发环境不仅能提高开发效率&#xff0c;还能避免因环境不一致带来的问题。以下是环境配置的详细步骤&#xff0c;涵盖了Python开发…
阅读更多...
git本地分支推送到远程和远程pull到本地

git本地分支推送到远程和远程pull到本地

文章目录 本地分支推送到远程仓库git拉取远程分支到本地 本地分支推送到远程仓库 要将本地分支推送到远程仓库的某个分支&#xff08;可以是同名的分支&#xff0c;也可以是不同名的分支&#xff09;&#xff0c;你可以使用 git push 命令。这里有几种不同的情况&#xff1a; …
阅读更多...
[Qt] QProcess使用误区

[Qt] QProcess使用误区

使用start接口来启动一个子程序会导致主程序退出后&#xff0c;子程序也会退出。使用静态成员函数 startDetached。来启动子程序。环境变量是没有用的&#xff0c;&#xff08;一个QProcess对象&#xff0c;设置了对应的环境变量&#xff0c;然后以对象的形式调用静态成员函数&…
阅读更多...
wpf的C1FlexGrid可见表格合并计算操作

wpf的C1FlexGrid可见表格合并计算操作

计算动态加载行后的部分字段的计算求和操作 表格上添加事件触发ItemsSourceChanged属性&#xff0c;触发事件 <c1:C1FlexGrid Name"CfgSaleOrderReviewItem" Style"{StaticResource Green}" ItemsSource"{Binding SaleOrderList,ModeTwoWay}"…
阅读更多...
使用OpenFeign+Eureka实现HTTP调用的简单示例

使用OpenFeign+Eureka实现HTTP调用的简单示例

由于RPC调用需要使用注册中心&#xff0c;所以首先需要创建eureka服务&#xff0c;创建SpringBoot项目后导入spring-cloud-starter-netflix-eureka-server&#xff0c;注意SpringBoot和SpringCloud版本一致性&#xff0c;然后进行配置&#xff0c;启动类添加注解EnableEurekaSe…
阅读更多...
计算机图形学在游戏开发中的应用

计算机图形学在游戏开发中的应用

&#x1f493; 博客主页&#xff1a;瑕疵的CSDN主页 &#x1f4dd; Gitee主页&#xff1a;瑕疵的gitee主页 ⏩ 文章专栏&#xff1a;《热点资讯》 计算机图形学在游戏开发中的应用 计算机图形学在游戏开发中的应用 计算机图形学在游戏开发中的应用 引言 计算机图形学的基本概念…
阅读更多...
计算机视觉和机器人技术中的下一个标记预测与视频扩散相结合

计算机视觉和机器人技术中的下一个标记预测与视频扩散相结合

一种新方法可以训练神经网络对损坏的数据进行分类&#xff0c;同时预测下一步操作。 它可以为机器人制定灵活的计划&#xff0c;生成高质量的视频&#xff0c;并帮助人工智能代理导航数字环境。 Diffusion Forcing 方法可以对嘈杂的数据进行分类&#xff0c;并可靠地预测任务的…
阅读更多...
大学语文教材电子版（第十一版）教学用书PDF及课件

大学语文教材电子版（第十一版）教学用书PDF及课件

大学语文课件&#xff1a;https://caiyun.139.com/m/i?005CiDusEVWnR 《大学语文》&#xff08;第十一版&#xff09;主编&#xff1a;徐中玉 齐森华 谭帆。 大学语文教材电子版教师用书PDF第一课《齐桓晋文之事》艺术赏析&#xff1a; 孟子四处游说&#xff0c;养成善辩的…
阅读更多...
Linux设备驱动模型初始化流程分析（以PCI/PCIe模块为例）

Linux设备驱动模型初始化流程分析（以PCI/PCIe模块为例）

目录 Linux设备驱动模型&#xff08;以PCI/PCIe为例&#xff09;前期构建准备&#xff1a;setup_machine_fdt设备树解析&#xff1a;unflatten_device_tree总线模型&#xff1a;of_platform_default_populate_init设备初始化&#xff1a;platform_driver_probe总线初始化&#…
阅读更多...
鸿蒙核心技术理念

鸿蒙核心技术理念

文章目录 1）一次开发，多端部署2）可分可合，自由流转3）统一生态，原生智能1）一次开发，多端部署 “一次开发，多端部署”指的是一个工程，一次开发上架，多端按需部署。目的是支撑开发者高效地开发多种终端设备上的应用 2）可分可合，自由流转 元服务是鸿蒙系统提供的一…
阅读更多...
SpringBoot使用AspectJ的@Around注解实现AOP全局记录接口：请求日志、响应日志、异常日志

SpringBoot使用AspectJ的@Around注解实现AOP全局记录接口：请求日志、响应日志、异常日志

Spring 面向切面编程（AOP），系列文章： 《Spring面向切面编程（AOP）的简单实例》 《Spring使用AspectJ的注解式实现AOP面向切面编程》 《SpringBoot使用AspectJ实现AOP记录接口：请求日志、响应日志、异常日志》 《SpringBoot使用AspectJ的@Around注解实现AOP全局记录接口：…
阅读更多...
最新文章

Copyright @ 2022~2023