本文总结了Python中Pandas库在数据分析时处理时间序列的关键知识点，包括date_range()函数生成时间序列，时间序列转换如asfreq()方法，以及如何将数据转换为日期格式，如pd.to_datetime()函数的应用。通过实例解析，帮助巩固和理解Pandas时间处理技巧。
之前有学习过相应的内容，但是一用到就不会了，还是没有掌握住，好记性不如烂笔头，所以对这个方面做一个总结；
参考博客
https://segmentfault.com/a/1190000011145901
添加了一些内容；
1：date_range() 函数的使用，生成相应的时间序列（按照一定的间隔）
注意点Min表示的是分钟，M表示的是月份（pandas会自动计算是否是30天或者是31天等）
时间写法还可以这样写，rng=pd.date_range("20110101",periods=20,freq="H")
2：时间序列的转换函数 series_obj.asfreq("45Min",method="pad")
3:转换为日期的格式；
pd.to_datetime(seq)#可以将一个列的内容转换为datetime对象
时间的使用中比较重要的就是datetime类的使用了 help(pd.datetime)
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
