pandas 时间的用法

Pandas 是 Python 中一个非常强大的数据分析库，提供了丰富的时间处理功能。

下面是一些 Pandas 中常用的时间处理用法：

1. 将字符串转换为时间对象

可以使用 `pandas.to_datetime()` 函数将字符串转换为 Pandas 中的时间对象。

import pandas as pd

date_str = '2022-01-01'
date = pd.to_datetime(date_str)
print(date)

输出：

2022-01-01 00:00:00

2. 创建时间范围

可以使用 `pandas.date_range()` 函数创建指定时间范围的时间序列。

import pandas as pd

date_range = pd.date_range(start='2022-01-01', end='2022-01-31', freq='D')
print(date_range)

输出：

DatetimeIndex(['2022-01-01', '2022-01-02', '2022-01-03', '2022-01-04',
               '2022-01-05', '2022-01-06', '2022-01-07', '2022-01-08',
               '2022-01-09', '2022-01-10', '2022-01-11', '2022-01-12',
               '2022-01-13', '2022-01-14', '2022-01-15', '2022-01-16',
               '2022-01-17', '2022-01-18', '2022-01-19', '2022-01-20',
               '2022-01-21', '2022-01-22', '2022-01-23', '2022-01-24',
               '2022-01-25', '2022-01-26', '2022-01-27', '2022-01-28',
               '2022-01-29', '2022-01-30', '2022-01-31'],
              dtype='datetime64[ns]', freq='D')

3. 时间偏移

可以使用 `pandas.Timedelta()` 函数对时间进行偏移。

import pandas as pd

date = pd.to_datetime('2022-01-01')
date_offset = date + pd.Timedelta(days=7)
print(date_offset)

输出：

2022-01-08 00:00:00

4. 时间切片

可以使用 Pandas 的切片语法对时间进行切片。

import pandas as pd

data = pd.DataFrame({'date': pd.date_range(start='2022-01-01', end='2022-01-31', freq='D'),
                     'value': range(31)})

data_slice = data.loc[(data['date'] >= '2022-01-10') & (data['date'] <= '2022-01-20')]
print(data_slice)

输出：

         date  value
9  2022-01-10      9
10 2022-01-11     10
11 2022-01-12     11
12 2022-01-13     12
13 2022-01-14     13
14 2022-01-15     14
15 2022-01-16     15
16 2022-01-17     16
17 2022-01-18     17
18 2022-01-19     18
19 2022-01-20     19