Python酷库之旅-第三方库Pandas(218)

目录

一、用法精讲

1021、pandas.DatetimeIndex.inferred_freq属性

1021-1、语法

1021-2、参数

1021-3、功能

1021-4、返回值

1021-5、说明

1021-6、用法

1021-6-1、数据准备

1021-6-2、代码示例

1021-6-3、结果输出

1022、pandas.DatetimeIndex.indexer_at_time方法

1022-1、语法

1022-2、参数

1022-3、功能

1022-4、返回值

1022-5、说明

1022-6、用法

1022-6-1、数据准备

1022-6-2、代码示例

1022-6-3、结果输出

1023、pandas.DatetimeIndex.indexer_between_time方法

1023-1、语法

1023-2、参数

1023-3、功能

1023-4、返回值

1023-5、说明

1023-6、用法

1023-6-1、数据准备

1023-6-2、代码示例

1023-6-3、结果输出

1024、pandas.DatetimeIndex.normalize方法

1024-1、语法

1024-2、参数

1024-3、功能

1024-4、返回值

1024-5、说明

1024-6、用法

1024-6-1、数据准备

1024-6-2、代码示例

1024-6-3、结果输出

1025、pandas.DatetimeIndex.strftime方法

1025-1、语法

1025-2、参数

1025-3、功能

1025-4、返回值

1025-5、说明

1025-6、用法

1025-6-1、数据准备

1025-6-2、代码示例

1025-6-3、结果输出

二、推荐阅读

1、Python筑基之旅

2、Python函数之旅

3、Python算法之旅

4、Python魔法之旅

5、博客个人主页

一、用法精讲

1021、pandas.DatetimeIndex.inferred_freq属性
1021-1、语法
# 1021、pandas.DatetimeIndex.inferred_freq属性
pandas.DatetimeIndex.inferred_freq
Tries to return a string representing a frequency generated by infer_freq.

Returns None if it can’t autodetect the frequency.
1021-2、参数

        无

1021-3、功能

        用于获取DatetimeIndex对象的推断频率，它可以帮助用户了解时间序列数据的频率模式，在进行时间序列分析时非常重要。

1021-4、返回值

        返回一个字符串，表示DatetimeIndex中日期时间的推断频率，如果无法推断出明确的频率，则返回None，推断频率可以是以下几种类型，例如：

  • 'D'：日频
  • 'h'：小时频
  • 'min'：分钟频
  • 's'：秒频
  • 'ME'：月末频
  • 'YE'：年末频
1021-5、说明

        无

1021-6、用法
1021-6-1、数据准备
无
1021-6-2、代码示例
# 1021、pandas.DatetimeIndex.inferred_freq属性
import pandas as pd
# 创建一个包含日期的DatetimeIndex
dates = pd.date_range(start='2024-11-14', periods=5, freq='YE')
datetime_index = pd.DatetimeIndex(dates)
# 获取推断的频率
frequency = datetime_index.inferred_freq
# 输出结果
print(frequency)
1021-6-3、结果输出
# 1021、pandas.DatetimeIndex.inferred_freq属性
# YE-DEC
1022、pandas.DatetimeIndex.indexer_at_time方法
1022-1、语法
# 1022、pandas.DatetimeIndex.indexer_at_time方法
pandas.DatetimeIndex.indexer_at_time(time, asof=False)
Return index locations of values at particular time of day.

Parameters:
time
datetime.time or str
Time passed in either as object (datetime.time) or as string in appropriate format (“%H:%M”, “%H%M”, “%I:%M%p”, “%I%M%p”, “%H:%M:%S”, “%H%M%S”, “%I:%M:%S%p”, “%I%M%S%p”).

Returns:
np.ndarray[np.intp]
1022-2、参数

1022-2-1、time(必需)：字符串或datetime.time对象，表示需要匹配的时间，格式通常是'HH:MM'。

1022-2-2、asof(可选，默认值为False)：布尔值，如果设置为True，该方法将返回所提供时间之前的最近索引，而不是所有匹配的索引。

1022-3、功能

        用于查找特定时间在DatetimeIndex中的索引位置，该方法允许你根据给定的时间字符串或时间对象，获取所有匹配的索引，其参数asof还可以进一步定义返回的行为。

1022-4、返回值

        返回一个整数数组，表示所有匹配或最近匹配的索引位置，如果没有匹配项，则返回一个空数组。

1022-5、说明

        无

1022-6、用法
1022-6-1、数据准备
无
1022-6-2、代码示例
# 1022、pandas.DatetimeIndex.indexer_at_time方法
import pandas as pd
# 创建一个日期范围
date_rng = pd.date_range(start='2024-11-14', end='2024-11-18', freq='h')
datetime_index = pd.DatetimeIndex(date_rng)
# 查找特定时间 (12:00)
indexer_all = datetime_index.indexer_at_time('12:00')
print("All indices for time 12:00:", indexer_all)
print("Corresponding dates:", datetime_index[indexer_all])
1022-6-3、结果输出
# 1022、pandas.DatetimeIndex.indexer_at_time方法
# All indices for time 12:00: [12 36 60 84]
# Corresponding dates: DatetimeIndex(['2024-11-14 12:00:00', '2024-11-15 12:00:00',
#                '2024-11-16 12:00:00', '2024-11-17 12:00:00'],
#               dtype='datetime64[ns]', freq=None)
1023、pandas.DatetimeIndex.indexer_between_time方法
1023-1、语法
# 1023、pandas.DatetimeIndex.indexer_between_time方法
pandas.DatetimeIndex.indexer_between_time(start_time, end_time, include_start=True, include_end=True)
Return index locations of values between particular times of day.

Parameters:
start_time, end_time
datetime.time, str
Time passed either as object (datetime.time) or as string in appropriate format (“%H:%M”, “%H%M”, “%I:%M%p”, “%I%M%p”, “%H:%M:%S”, “%H%M%S”, “%I:%M:%S%p”,”%I%M%S%p”).

include_start
bool, default True
include_end
bool, default True
Returns:
np.ndarray[np.intp]
1023-2、参数

1023-2-1、start_time(必需)：字符串或datetime.time对象，表示时间范围的起始时间。

1023-2-2、end_time(必需)：字符串或datetime.time对象，表示时间范围的结束时间。

1023-2-3、include_start(可选，默认值为True)：布尔值，如果为True，则包含起始时间的索引。

1023-2-4、include_end(可选，默认值为True)：布尔值，如果为True，则包含结束时间的索引。

1023-3、功能

        用于查找在指定时间范围内的索引位置，该方法非常适合处理时间序列数据，尤其是在你需要筛选特定时间段的数据时。

1023-4、返回值

        返回一个整数数组，表示在指定时间范围内的所有匹配索引位置，如果没有匹配项，则返回一个空数组。

1023-5、说明

        无

1023-6、用法
1023-6-1、数据准备
无
1023-6-2、代码示例
# 1023、pandas.DatetimeIndex.indexer_between_time方法
import pandas as pd
# 创建一个日期范围
date_rng = pd.date_range(start='2024-11-14', end='2024-11-17', freq='h')
datetime_index = pd.DatetimeIndex(date_rng)
# 查找在特定时间范围内的索引 (例如 10:00 到 12:00)
indexer = datetime_index.indexer_between_time('10:00', '12:00')
print("Indices between 10:00 and 12:00:", indexer)
print("Corresponding dates:", datetime_index[indexer])
# 查找不包含起始时间的索引
indexer_exclude_start = datetime_index.indexer_between_time('10:00', '12:00', include_start=False)
print("Indices between 10:00 and 12:00 (excluding start):", indexer_exclude_start)
print("Corresponding dates:", datetime_index[indexer_exclude_start])
1023-6-3、结果输出
# 1023、pandas.DatetimeIndex.indexer_between_time方法
# Indices between 10:00 and 12:00: [10 11 12 34 35 36 58 59 60]
# Corresponding dates: DatetimeIndex(['2024-11-14 10:00:00', '2024-11-14 11:00:00',
#                '2024-11-14 12:00:00', '2024-11-15 10:00:00',
#                '2024-11-15 11:00:00', '2024-11-15 12:00:00',
#                '2024-11-16 10:00:00', '2024-11-16 11:00:00',
#                '2024-11-16 12:00:00'],
#               dtype='datetime64[ns]', freq=None)
# Indices between 10:00 and 12:00 (excluding start): [11 12 35 36 59 60]
# Corresponding dates: DatetimeIndex(['2024-11-14 11:00:00', '2024-11-14 12:00:00',
#                '2024-11-15 11:00:00', '2024-11-15 12:00:00',
#                '2024-11-16 11:00:00', '2024-11-16 12:00:00'],
#               dtype='datetime64[ns]', freq=None)
1024、pandas.DatetimeIndex.normalize方法
1024-1、语法
# 1024、pandas.DatetimeIndex.normalize方法
pandas.DatetimeIndex.normalize(*args, **kwargs)
Convert times to midnight.

The time component of the date-time is converted to midnight i.e. 00:00:00. This is useful in cases, when the time does not matter. Length is unaltered. The timezones are unaffected.

This method is available on Series with datetime values under the .dt accessor, and directly on Datetime Array/Index.

Returns:
DatetimeArray, DatetimeIndex or Series
The same type as the original data. Series will have the same name and index. DatetimeIndex will have the same name.
1024-2、参数

1024-2-1、*args(可选)：其他位置参数，为后续扩展功能做预留。

1024-2-2、**kwargs(可选)：其他关键字参数，为后续扩展功能做预留。

1024-3、功能

        用于将DatetimeIndex中的所有时间戳调整为相同的日期部分，具体来说就是将时间部分归零，对于比较或对齐时间序列数据非常有用。

1024-4、返回值

        返回一个新的DatetimeIndex，其中所有的时间部分都被设置为00:00:00(即午夜)。

1024-5、说明

        无

1024-6、用法
1024-6-1、数据准备
无
1024-6-2、代码示例
# 1024、pandas.DatetimeIndex.normalize方法
import pandas as pd
# 创建一个包含多个日期时间的DatetimeIndex
dates = pd.to_datetime(['2024-11-14 10:30:00', '2024-11-15 12:45:00', '2024-11-16 15:00:00'])
datetime_index = pd.DatetimeIndex(dates)
# 归一化DatetimeIndex
normalized_index = datetime_index.normalize()
print("原始DatetimeIndex:")
print(datetime_index)
print("\n归一化后的DatetimeIndex:")
print(normalized_index)
1024-6-3、结果输出
# 1024、pandas.DatetimeIndex.normalize方法
# 原始DatetimeIndex:
# DatetimeIndex(['2024-11-14 10:30:00', '2024-11-15 12:45:00',
#                '2024-11-16 15:00:00'],
#               dtype='datetime64[ns]', freq=None)
# 
# 归一化后的DatetimeIndex:
# DatetimeIndex(['2024-11-14', '2024-11-15', '2024-11-16'], dtype='datetime64[ns]', freq='D')
1025、pandas.DatetimeIndex.strftime方法
1025-1、语法
# 1025、pandas.DatetimeIndex.strftime方法
pandas.DatetimeIndex.strftime(date_format)
Convert to Index using specified date_format.

Return an Index of formatted strings specified by date_format, which supports the same string format as the python standard library. Details of the string format can be found in python string format doc.

Formats supported by the C strftime API but not by the python string format doc (such as “%R”, “%r”) are not officially supported and should be preferably replaced with their supported equivalents (such as “%H:%M”, “%I:%M:%S %p”).

Note that PeriodIndex support additional directives, detailed in Period.strftime.

Parameters:
date_format
str
Date format string (e.g. “%Y-%m-%d”).

Returns:
ndarray[object]
NumPy ndarray of formatted strings.
1025-2、参数

1025-2-1、date_format(必需)：一个字符串，表示日期和时间的格式，与Python的strftime方法一致，您可以使用各种格式代码来指定要显示的日期和时间信息。

1025-3、功能

        用于将DatetimeIndex中的日期时间对象格式化为指定的字符串格式，该方法通常用于将时间戳转换为更易读的字符串格式，以便于展示或记录。

1025-4、返回值

        返回一个包含格式化字符串的NumPy数组(numpy.ndarray)，每个元素对应于DatetimeIndex中的相应时间戳。

1025-5、说明

        无

1025-6、用法
1025-6-1、数据准备
无
1025-6-2、代码示例
# 1025、pandas.DatetimeIndex.strftime方法
import pandas as pd
# 创建一个包含多个日期时间的DatetimeIndex
dates = pd.to_datetime(['2024-11-14 10:30:00', '2024-11-15 12:45:00', '2024-11-16 15:00:00'])
datetime_index = pd.DatetimeIndex(dates)
# 使用strftime格式化日期和时间
formatted_dates = datetime_index.strftime('%Y-%m-%d %H:%M:%S')
print("原始DatetimeIndex:")
print(datetime_index)
print("\n格式化后的字符串:")
print(formatted_dates)
1025-6-3、结果输出
# 1025、pandas.DatetimeIndex.strftime方法
# 原始DatetimeIndex:
# DatetimeIndex(['2024-11-14 10:30:00', '2024-11-15 12:45:00',
#                '2024-11-16 15:00:00'],
#               dtype='datetime64[ns]', freq=None)
# 
# 格式化后的字符串:
# Index(['2024-11-14 10:30:00', '2024-11-15 12:45:00', '2024-11-16 15:00:00'], dtype='object')

二、推荐阅读

1、Python筑基之旅
2、Python函数之旅
3、Python算法之旅
4、Python魔法之旅
5、博客个人主页

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：/a/917385.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

基于 CentOS7.6 的 Docker 下载常用的容器(MySQLRedisMongoDB)，解决拉取容器镜像失败问题

基于 CentOS7.6 的 Docker 下载常用的容器(MySQLRedisMongoDB)，解决拉取容器镜像失败问题

安装MySQL&Redis&MongoDB mysql选择是8版本，redis是选择4版本、mongoDB选择最新版，也可以根据自己的需要进行下载对应的版本，无非就是容器名:版本号 这样去拉去相关的容器镜像。如果你还不会在服务器中安装 docker，可以查…
阅读更多...
讯飞、阿里云、腾讯云：Android 语音合成服务对比选择

讯飞、阿里云、腾讯云：Android 语音合成服务对比选择

在 移动端 接入语音合成方面，讯飞和腾讯云等都是优秀的选择，但各有其特点和优势。咱们的需求是需要支持普通话/英语/法语三种语言，以下是对各个平台的详细比较： 一、讯飞语音合成介绍 与语音听写相反，语音合成是将一段…
阅读更多...
设计模式之责任链模式（Chain Of Responsibility）

设计模式之责任链模式（Chain Of Responsibility）

一、责任链模式介绍 1、责任链模式介绍 职责链模式(chain of responsibility pattern) 定义: 避免将一个请求的发送者与接收者耦合在 一起，让多个对象都有机会处理请求。将接收请求的对象连接成一条链，并且沿着这条链 传递请求，直到有一个对…
阅读更多...
游戏引擎学习第12天

游戏引擎学习第12天

视频参考:https://www.bilibili.com/video/BV1yom9YnEWY 这节没讲什么东西，主要是改了一下音频的代码 后面有介绍一些alloc 和malloc,VirtualAlloc 的东西 _alloca 函数（或 alloca）分配的是栈内存，它的特点是： 生命周…
阅读更多...
更改liunx的磁盘名称

更改liunx的磁盘名称

目录 1. 问题的提出 2. 机器环境说明 3. 解决方法 1. 问题的提出 今天在Linux上部署软件，发现要部署软件的硬盘名称带中文，当访问该磁盘时，中文则被转为长长的一串数字字符串，这很不方便，于是需要将带有中文的磁盘名…
阅读更多...
基于Python 和 pyecharts 制作招聘数据可视化分析大屏

基于Python 和 pyecharts 制作招聘数据可视化分析大屏

在本教程中，我们将展示如何使用 Python 和 pyecharts 库，通过对招聘数据的分析，制作一个交互式的招聘数据分析大屏。此大屏将通过不同类型的图表（如柱状图、饼图、词云图等）展示招聘行业、职位要求、薪资分布等信息。 …
阅读更多...
论文PDF页面无法下载PDF

论文PDF页面无法下载PDF

问题：通常在下载学术论文时，网页命名是PDF页面，但是无法下载PDF，下载的是html网页 解决： mac：按F12打开开发者界面 然后点击源代码/来源选项 然后打开下图所在位置，鼠标右键复制链接&#xff…
阅读更多...
Ubuntu24 上安装搜狗输入法

Ubuntu24 上安装搜狗输入法

link 首先在终端中依次输入以下代码 sudo apt update sudo apt install fcitx 找到语言支持 在终端中依次输入 sudo cp /usr/share/applications/fcitx.desktop /etc/xdg/autostart/ sudo apt purge ibus 进入网页 搜狗输入法linux-首页​ shurufa.sogou.com/linux 找到刚才下…
阅读更多...
从0开始机器学习--Day27--主成分分析方法

从0开始机器学习--Day27--主成分分析方法

主成分分析方法(Principal components analysis) 在降维算法中，比较普遍的是使用主成分分析方法（PCA） PCA算法简单示例 如图，假设我们有一个二维的特征，想要将其降为一维，简单的方法是寻找一条直线&#…
阅读更多...
深度学习中的mAP

深度学习中的mAP

在深度学习中，mAP是指平均精度均值(mean Average Precision)，它是深度学习中评价模型好坏的一种指标(metric)，特别是在目标检测中。 精确率和召回率的概念： (1).精确率(Precision)：预测阳性结果中实际正确的比例(TP / …
阅读更多...
【实验11】卷积神经网络（2）-基于LeNet实现手写体数字识别

【实验11】卷积神经网络（2）-基于LeNet实现手写体数字识别

👉🏼目录👈🏼 🍒1. 数据 1.1 准备数据 1.2 数据预处理 🍒2. 模型构建 2.1 模型测试 2.2 测试网络运算速度 2.3 输出模型参数量 2.4 输出模型计算量 🍒3. 模型训练 🍒4.模…
阅读更多...
Springboot3.3.5 启动流程之 tomcat启动流程介绍

Springboot3.3.5 启动流程之 tomcat启动流程介绍

在文章 Springboot3.3.5 启动流程（源码分析） 中讲到 应用上下文（applicationContext）刷新(refresh)时使用模板方法 onRefresh 创建了 Web Server. 本文将详细介绍 ServletWebServer — Embedded tomcat 的启动流程。 首先&…
阅读更多...
学习日志011--模块，迭代器与生成器，正则表达式

学习日志011--模块，迭代器与生成器，正则表达式

一、python模块 在之前学习c语言时，我们学了分文件编辑，那么在python中是否存在类似的编写方式？答案是肯定的。python中同样可以实现分文件编辑。甚至还有更多的好处： ‌提高代码的可维护性‌：当代码被分成多个文件时…
阅读更多...
【提高篇】3.3 GPIO（三，工作模式详解 上）

【提高篇】3.3 GPIO（三，工作模式详解 上）

目录 一，工作模式介绍 二，输入浮空 2.1 输入浮空简介 2.2 输入浮空特点 2.3 按键检测示例 2.4 高阻态 三，输入上拉 3.1 输入上拉简介 3.2 输入上拉的特点 3.3 按键检测示例 四，输入下拉 4.1 输入下拉简介 4.2 输入下拉特点 4.3 按键检测示例 一，工作模式介绍…
阅读更多...
Excel单元格中自适应填充多图

Excel单元格中自适应填充多图

实例需求：在Excel插入图片时，由于图片尺寸各不相同，如果希望多个图片填充指定单元格，依靠用户手工调整，不仅费时费力，而且很难实现完全填充。如下图中的产品图册，有三个图片，如下图所…
阅读更多...
@Autowired 和 @Resource思考（注入redisTemplate时发现一些奇怪的现象）

@Autowired 和 @Resource思考（注入redisTemplate时发现一些奇怪的现象）

1. 前置知识 Configuration public class RedisConfig {Beanpublic RedisTemplate<String, Object> redisTemplate(RedisConnectionFactory factory) {RedisTemplate<String, Object> template new RedisTemplate<>();template.setConnectionFactory(facto…
阅读更多...
从零开始学习 sg200x 多核开发之 milkv-duo256 编译运行 sophpi

从零开始学习 sg200x 多核开发之 milkv-duo256 编译运行 sophpi

sophpi 是 算能官方针对 sg200x 系列的 SDK 仓库 https://github.com/sophgo/sophpi &#xff0c;支持 cv180x、cv81x、sg200x 系列的芯片。 SG2002 简介 SG2002 是面向边缘智能监控 IP 摄像机、智能猫眼门锁、可视门铃、居家智能等多项产品领域而推出的高性能、低功耗芯片&a…
阅读更多...
防火墙----iptables

防火墙----iptables

防火墙是位于内部网和外部网之间的屏障&#xff0c;他按照系统管理员预先定义好的规则来控制数据包的进出 一、iptables简介 防火墙会从以上至下的顺序来读取配置的策略规则&#xff0c;在找到匹配项后就立即结束匹配工作并去执行匹配项中定义的行为&#xff08;即放行或阻止&…
阅读更多...
【CSS】absolute定位的默认位置

【CSS】absolute定位的默认位置

position: absolute; 属性会使元素脱离正常的文档流&#xff0c;并相对于最近的非 static 定位祖先元素进行定位。如果没有这样的祖先元素&#xff0c;则相对于初始包含块&#xff08;通常是视口&#xff09;进行定位。 但是当top和left没有指定具体值时&#xff0c;元素的在上…
阅读更多...
（一）机器学习、深度学习基本概念简介

（一）机器学习、深度学习基本概念简介

文章目录 机器学习、深度学习基本概念简介一、什么是机器学习&#xff08;一&#xff09;举例&#xff08;二&#xff09;不同类型的函数&#xff08;三&#xff09;机器是怎么找这个函数的&#xff08;1&#xff09;Function with Unknown Parameters&#xff08;2&#xff09…
阅读更多...
最新文章

Copyright @ 2022~2023