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...
C++中的栈（Stack）和堆（Heap）

C++中的栈（Stack）和堆（Heap）

在C中，堆（heap）和栈（stack）是两种用于存储数据的内存区域。理解它们的原理和区别，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，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：爬虫开发工具与环境搭建 第二节：环境配置 在进行爬虫开发之前，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，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，涵盖了Python开发…
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...
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...
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...
数学分组求偶数和

数学分组求偶数和

问题描述 小M面对一组从 1 到 9 的数字&#xff0c;这些数字被分成多个小组&#xff0c;并从每个小组中选择一个数字组成一个新的数。目标是使得这个新数的各位数字之和为偶数。任务是计算出有多少种不同的分组和选择方法可以达到这一目标。 numbers: 一个由多个整数字符串组…
阅读更多...
PCHMI串口接收实验

PCHMI串口接收实验

插入的唯一一行代码 config1.START((Control)this, System.Reflection.Assembly.GetExecutingAssembly().GetTypes(), null);
阅读更多...
华为Ensp模拟器配置RIP路由协议

华为Ensp模拟器配置RIP路由协议

目录 RIP路由详解&#xff1a;另一种视角解读 1. RIP简介&#xff1a;轻松理解基础概念 2. RIP的核心机制&#xff1a;距离向量的魅力 3. RIP的实用与局限 RIP配置实验 实验图 ​编辑 PC的ip配置 RIP配置步骤 测试 结语&#xff1a;RIP的今天与明天 RIP路由详解&…
阅读更多...
IDEA 开发工具常用快捷键有哪些？

IDEA 开发工具常用快捷键有哪些？

‌在IDEA中&#xff0c;输出System.out.println()的快捷键是sout&#xff0c;输入后按回车&#xff08;或Tab键&#xff09;即可自动补全为System.out.println()‌‌。 此外&#xff0c;IDEA中还有一些其他常用的快捷键&#xff1a; 创建main方法的快捷键是psvm&#xff0c;代…
阅读更多...
鲸鱼机器人和乐高机器人的比较

鲸鱼机器人和乐高机器人的比较

鲸鱼机器人和乐高机器人各有其独特的优势和特点&#xff0c;家长在选择时可以根据孩子的年龄、兴趣、经济能力等因素进行综合考虑&#xff0c;选择最适合孩子的教育机器人产品。 优势 鲸鱼机器人 1&#xff09;价格亲民&#xff1a;鲸鱼机器人的产品价格相对乐高更为亲民&…
阅读更多...
【java基础】总结一

【java基础】总结一

目录 特点 JavaSE和JavaEE JVM,JDK,JRE 字节码 编译语言和解释语言 AOT介绍 不同jdk java语法 变量 静态方法 静态方法和实例方法 重载和重写 可变长参数 特点 简单&#xff0c;面向对象&#xff08;封装、继承、多态&#xff09;&#xff0c;平台无关&#xff…
阅读更多...
vue内置指令和自定义指令

vue内置指令和自定义指令

常见的指令&#xff1a; v-bind : 单向绑定解析表达式, 可简写为 :xxx v-model : 双向数据绑定 v-for : 遍历数组/对象/字符串 v-on : 绑定事件监听, 可简…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023