pandas中的时间操作

Pandas库提供了丰富的时间操作功能，用于处理时间、日期和时间序列数据。以下是一些常用的时间操作示例：

1. 创建时间序列数据：

import pandas as pd

# 创建一个包含日期范围的时间序列
dates = pd.date_range(start='2021-01-01', end='2021-01-10', freq='D')
print(dates)

2. 将日期作为索引：

import pandas as pd

# 创建一个包含日期范围的时间序列，并将其作为DataFrame的索引
dates = pd.date_range(start='2021-01-01', end='2021-01-10', freq='D')
data = {'value': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]}
df = pd.DataFrame(data, index=dates)
print(df)

3. 时间戳的操作：

import pandas as pd

# 获取当前时间戳
now = pd.Timestamp.now()
print(now)

# 获取时间戳的年、月、日等信息
print(now.year)
print(now.month)
print(now.day)

4. 时间序列的切片和筛选：

import pandas as pd

# 创建一个包含日期范围的时间序列，并将其作为DataFrame的索引
dates = pd.date_range(start='2021-01-01', end='2021-01-10', freq='D')
data = {'value': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]}
df = pd.DataFrame(data, index=dates)

# 根据日期进行切片
print(df['2021-01-05':'2021-01-08'])

# 根据年份进行筛选
print(df[df.index.year == 2021])

5. 时间序列的重采样：

import pandas as pd

# 创建一个包含日期范围的时间序列，并将其作为DataFrame的索引
dates = pd.date_range(start='2021-01-01', end='2021-01-10', freq='D')
data = {'value': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]}
df = pd.DataFrame(data, index=dates)

# 将时间序列重采样为每周数据
weekly_data = df.resample('W').sum()
print(weekly_data)