rng = pd.date_range('1/1/2011', periods=90, freq='D') ts = pd.Series(np.random.randn(len(rng)), index=rng) ts.head()

这是一个 Python 的 Pandas 库中的示例代码，用于生成一个时间序列，其中包含了从 2011 年 1 月 1 日开始的 90 天内每天的随机数。你可以使用这个代码来生成时间序列数据，并基于这些数据进行分析和可视化。

相关问题

pandas 时间序列之pd.date_range()

`pd.date_range()` 是 Pandas 时间序列处理中的一个函数，用于生成一组连续的时间序列。该函数有以下常用参数：

- `start`：开始时间，可以是字符串、datetime、date等，表示时间序列的起始时间。
- `end`：结束时间，可以是字符串、datetime、date等，表示时间序列的结束时间。
- `periods`：整数，表示时间序列中的时间点个数。
- `freq`：时间间隔，默认为 'D'，表示以天为间隔。

示例代码如下：

import pandas as pd

# 生成一组连续的时间序列
date_rng = pd.date_range(start='1/1/2022', end='1/08/2022', freq='D')

# 打印时间序列
for date in date_rng:
    print(date)

输出结果：

2022-01-01 00:00:00
2022-01-02 00:00:00
2022-01-03 00:00:00
2022-01-04 00:00:00
2022-01-05 00:00:00
2022-01-06 00:00:00
2022-01-07 00:00:00
2022-01-08 00:00:00

上述代码中，我们使用 `pd.date_range()` 函数生成了一个从 '1/1/2022' 到 '1/08/2022' 的连续时间序列。默认的时间间隔是 1 天，即 `freq='D'`。最后，我们使用 for 循环遍历打印了该时间序列。

python的pd.date_range得到的时间序列（年月日）列表转为数值型

可以使用pandas的`to_numeric()`方法将时间序列转换为数值型。首先将时间序列转换为字符串类型，然后再调用`to_numeric()`方法将字符串转换为数值类型。

以下是一个示例代码：

import pandas as pd

# 创建时间序列
date_rng = pd.date_range(start='1/1/2021', end='1/10/2021', freq='D')

# 将时间序列转换为字符串类型
date_str = [str(date.date()) for date in date_rng]

# 将字符串转换为数值类型
date_numeric = pd.to_numeric(date_str)

print(date_numeric)

输出结果为：

[18628 18629 18630 18631 18632 18633 18634 18635 18636 18637]

其中，数值代表的是自1970年1月1日以来的天数。可以通过`pd.Timestamp()`方法将数值转换为时间戳。例如，`pd.Timestamp(18628)`会返回`Timestamp('2021-01-01 00:00:00')`。