Pandas 基础

Pandas的时间序列

import time 和 import datatime 导入时间的库，time.time() 指现在此时此刻的时间戳~，
1594282465.6077569指多少秒的意思。
pandas 中有个库叫timestamp，能将s 转化为日期，unit = “s”，如果写unit = "m"或者"h"会报错。
pd 中能转化为timestamp 的四种形式：2020-12-12，2020/12/12，2020-12-12，第四种，相当于excel 中的date 函数：指定年，月，日。
转化为日期时间，pd.to_datetime(pd.Series([2019-12-10])) 会把属于文本中的2019/12/10转化日期格式。pd.to_datetime ,这跟sql语句中的date(“20191210”) 很相似。
pd.to_datetime(“2019#12#12”, format = “%Y%m%d”) ，转化为日期的中间可以用*，/，+ ，# 来表示，但是format 的第一个%"Y"一定要是大写，剩下的小写。

Pandas 基础 - 时间及函数

import copy板块，其中copy 有 copy() 与deepcopy() 两种函数。列表和字典，直接用a.copy 。
用日期设置新的索引，将data.index = data.date ,原数据删除date 那一列。
用日期的索引，即行索引去切片，常用的日期换索引。
date.sort_index() 从小到大排序 ,里面可以放ascending = False 进行倒叙排序。
图中的1 =data.day of week表示一周中的星期几,因为国外的周日为第一天，所以我们要+1，2 = dayofyear 表示一年中的第多少天，3 = weekofyear 表示一年中的第几周。
判断日期那天是否是一个月中的开始的月份，即是不是10.1，11.1…。

附件：更多详细的请查看链接：日期与时间汇总

Dateoffest 与excel 中的offest 差不多，都是定位。前者要用pd 转为为timestamp 格式，然后再进行year，month， days 的偏移，而excel 中要用行和列偏移几个来确定，而sql 中有个date_add(“2020-12-1”,interval n day) = 2020-12-2 和date_sub(“2020-12-1”,interval 1 year) =2019-12-1。

设置时间，index = pd.date_range(“2020-11-12”,periods = 4 ,freq =“W”) 表示从2020-11-12 开始range 4 个日期，按照隔周range 即 7 天。Series 后面要带index= index 表示ts 的index 是日期，不写的话默认从0-3。
时间的上移及下移，ts.shift( 1 ) 移的不是索引，注意是数据向下上移。

pd.asfreq() 中的freq 参数可以是W-周，S-秒，D-日

哈哈，每天更新一点，没准我再也不是菜鸡，纯手打！！！！
查看更多请点击此链接，反正不要钱！