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

将时间序列列表转为数值型，可以使用 `astype()` 方法将时间序列转为 Unix 时间戳（以秒为单位），然后再将 Unix 时间戳转为数值型。

以下是示例代码：

import pandas as pd

# 创建时间序列（按月增长）
date_rng = pd.date_range(start='1/1/2020', end='12/31/2020', freq='M')

# 将时间序列转为 Unix 时间戳（以秒为单位）
unix_time = date_rng.astype(int) // 10**9

# 将 Unix 时间戳转为数值型
numeric_time = unix_time.astype(float)

print(numeric_time)

输出结果为：

[1.5778368e+09 1.5803088e+09 1.5828704e+09 1.5854288e+09 1.5879872e+09
 1.5905440e+09 1.5931056e+09 1.5956640e+09 1.5982224e+09 1.6007808e+09
 1.6033424e+09 1.6059008e+09]

注意：在将时间序列转为 Unix 时间戳时，需要先将时间序列转为整型（`int`），然后再除以 $10^9$，得到的结果即为 Unix 时间戳。在将 Unix 时间戳转为数值型时，需要将其转为浮点型（`float`）。

相关问题

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')`。

python的pd.date_range得到的时间序列列表转为数值型

你可以使用 `pd.date_range` 函数生成一个时间序列列表，然后通过 `pd.Series` 将其转换为 Pandas 的 Series 对象，再使用 `Series.dt` 属性来访问日期时间组件，如 `.year`、`.month`、`.day`、`.hour`、`.minute`、`.second` 等，进而将其转换为数值型数据。

以下是一个示例代码，用于将日期时间序列转换为数值型数据：

import pandas as pd

# 生成一个日期时间序列
date_range = pd.date_range(start='2022-01-01 00:00:00', end='2022-01-02 00:00:00', freq='15min')

# 将日期时间序列转换为 Pandas 的 Series 对象
series = pd.Series(date_range)

# 访问日期时间组件，并将其转换为数值型数据
year = series.dt.year.astype(int)
month = series.dt.month.astype(int)
day = series.dt.day.astype(int)
hour = series.dt.hour.astype(int)
minute = series.dt.minute.astype(int)
second = series.dt.second.astype(int)

在上述示例代码中，我们首先使用 `pd.date_range` 函数生成了一个从 `2022-01-01 00:00:00` 到 `2022-01-02 00:00:00` 每隔 15 分钟一个时间点的日期时间序列。然后，我们通过 `pd.Series` 将其转换为 Pandas 的 Series 对象。接下来，我们分别使用 `Series.dt.year`、`Series.dt.month`、`Series.dt.day`、`Series.dt.hour`、`Series.dt.minute`、`Series.dt.second` 访问日期时间组件，并通过 `.astype(int)` 将其转换为数值型数据。最终，我们得到了一个包含年、月、日、小时、分钟、秒的数值型数据。