如何使用 DateTime 创建系列?
pandasserver side programmingprogramming更新于 2025/4/5 20:22:17
Pandas 的常见数据之一是日期时间，Pandas 具有一组不同的功能来执行与日期时间数据相关的任何任务。
Pandas 具有 date_range 函数，用于按特定顺序生成日期序列，同时它还有许多其他函数可以处理这些日期时间数据。
我们可以使用日期时间数据创建 Pandas 系列对象，让我们看一个使用日期时间值创建 Pandas 系列的示例。
示例
import pandas as pd
# 创建日期范围序列
dates = pd.date_range('2021-06-14', periods=5, freq='D')
#创建带有日期索引的 pandas 系列
s = pd.Series(dates)
print (s)
解释
首先，我们使用 python import 关键字将 pandas 模块导入到我们的工作区中，然后我们使用日期范围函数创建一系列日期，这些日期存储在名为 dates 的变量中。
我们已将此 dates 变量发送到 pandas 系列构造函数，它将创建一个像下面的输出一样的 pandas 系列对象。
输出
0 2021-06-14 1 2021-06-15 2 2021-06-16 3 2021-06-17 4 2021-06-18 dtype: datetime64[ns]
上面的代码块中可以看到生成的 pandas 系列对象，其中包含从 2021-06-14 到 2021-06-18 的日期序列。在代码块中，我们根据生成这 5 组日期的输入定义了起始日期和周期，它们等于 5。索引值是自动创建的值，范围从 0 到 4。
示例
import pandas as pd
import numpy as np
# 创建日期范围序列
date = pd.date_range('2021-06-14', periods=5, freq='D')
# 创建带有日期索引的 pandas Series
s = pd.Series(np.random.randn(len(date)), index=date)
print (s)
解释
在上面的例子中，我们创建了一个以 DateTime 为索引值的 pandas Series，Series 数据是使用 NumPy random 函数生成的一些随机数。
为了最初实现这一点，我们导入了所需的包，它们是pandas 和 NumPy。之后，我们使用 pandas data_range 函数生成日期。使用这些日期，我们创建了一个 pandas 系列，索引值是我们的日期，数据是随机值。
输出
2021-06-14 0.701791 2021-06-15 -1.731610 2021-06-16 -3.377266 2021-06-17 -0.138523 2021-06-18 -0.160986 Freq: D, dtype: float64
日期是索引标签，值是随机数，这里我们可以看到系列数据(值)的 dtype 是 float64，Freq: D 代表索引标签的频率。
