pandas 时间序列,pandas中datetime函数

　　本文主要介绍了熊猫时间序列之pd.to_datetime()的实现，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧溴

解析来自各种来源和格式的时间序列信息

　　pd.to _日期时间（

　　arg，#int，float，str，datetime，list，tuple，一维数组，系列数据框架/类似字典

　　errors=raise ，# {ignore ， raise ， constrate }，默认为提高

　　dayfirst=False，

　　yearfirst=False，

　　utc=无，

　　格式=无，请按井号键格式，比如%d/%m/%Y

　　exact=True，

　　单位=无，#单位字符串，默认ns ，可以是（丹麦、瑞士、美国、挪威)

　　推断日期时间格式=假

　　origin=unix ，#指定从什么时间开始，默认为19700101

　　缓存=真，

　　)

时间序列解析之小试牛刀

　　pd.to_datetime()

　　导入日期时间

　　进口熊猫作为螺纹中径

　　将数组作为铭牌导入

　　dti=pd.to_datetime([1/1/2018 ，np.datetime64(2018-01-01 )，

　　日期时间.日期时间(2018，1，1)]

　　弥散张量成像

　　DatetimeIndex([2018-01-01 ， 2018-01-01 ， 2018-01-01]，dtype=datetime64[ns]，freq=无)

　　pd.to_datetime([2020-04-20 ， 20/04/2020 ， 2020年四月20日])

　　DatetimeIndex([2020-04-20 ， 2020-04-20 ， 2020-04-20]，dtype=datetime64[ns]，freq=None)

　　导入时间

　　time.asctime()

　　2020年四月七日星期二21:50:17

　　pd.to_datetime(time.asctime())

　　时间戳("2020-04-07 21:50:17")

　　还有更加偷懒的办法，假如整理数据时遇到了大量的时间需要输入，比如2020-11-11 00:00:00,输入-和：太浪费时间了，而且时间之间没有什么变化规律可循，这种情况下可以直接输入20201111000000进行记录，之后再借助pd.to_datetime()解析，省时省力一步到位。

　　pd.to_datetime(2020111100000 )

　　时间戳( 2020-11-11 00:00:00 )

时间序列解析之磨刀霍霍

1. 指定识别的format

　　pd.to_datetime(2020/12/12 ，格式=%Y/%m/%d )

　　时间戳( 2020-12-12 00:00:00 )

　　警察。截止日期时间( 2010年12月11日00:00 ,格式=%d-%m-%Y %H:%M )

　　时间戳("2010年11月12日00:00:00")

2. 遇到DataFrame

　　df=pd .数据帧({ 年 : [2015,2016],

　　. 月 : [2,3],

　　. 日 : [4,5],

　　. 小时 : [2,3]})

　　年月日小时

　　0 2015 2 4 2

　　1 2016 3 5 3

　　到日期时间

　　0 2015-02-04 02:00:00

　　1 2016-03-05 03:00:00

　　数据类型：日期时间64[纳秒]

　　pd.to_datetime(df[[年,月,日]])

　　0 2015-02-04

　　1 2016-03-05

　　数据类型：日期时间64[纳秒]

3. 遇到不能识别的处理方法

　　pd.to_datetime([2009/07/31 ， asd]，错误=忽略)

　　索引([2009/07/31 ， asd]，dtype=object )

　　pd.to_datetime([2009/07/31 ， asd]，errors=raise )

　　分析器错误：未知字符串格式： asd

　　pd.to_datetime([2009/07/31 ， asd]，errors= compete )

　　DatetimeIndex([2009-07-31 ， NaT]，dtype=datetime64[ns]，freq=None)

4. origin的用法

　　指定时间

　　pd.to_datetime([1，2，3]，unit=D ，origin=pd .时间戳( 1960-01-01 )

　　DatetimeIndex([1960-01-02 ， 1960-01-03 ， 1960-01-04]，dtype=datetime64[ns]，freq=None)

　　不指定时间则默认从19700101开始

　　pd.to_datetime([1，2，3]，unit=D )

　　DatetimeIndex([1970-01-02 ， 1970-01-03 ， 1970-01-04]，dtype=datetime64[ns]，freq=None)

　　到此这篇关于熊猫时间序列之pd.to_datetime()的实现的文章就介绍到这了，更多相关熊猫pd.to_datetime()内容请搜索盛行信息技术软件开发工作室以前的文章或继续浏览下面的相关文章希望大家以后多多支持盛行信息技术软件开发工作室！

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。