資料結構
網路
關係型資料庫管理系統
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
時尚研究
法律研究如何使用DateTime建立序列？
Pandas 的常見資料之一是日期時間，Pandas 有一套不同的功能來執行任何與處理日期時間資料相關的任務。
Pandas 具有 date_range 函式，用於按特定順序生成日期序列，同時它還有許多其他函式可以處理這些日期時間資料。
我們可以使用日期時間資料建立 Pandas Series 物件，讓我們看一個使用日期時間值建立 Pandas Series 的示例。
示例
import pandas as pd
# creating range sequence of dates
dates = pd.date_range('2021-06-14', periods=5, freq='D')
#creating pandas Series with date index
s = pd.Series(dates)
print (s)解釋
首先，我們使用 Python 的 import 關鍵字將 Pandas 模組匯入到我們的工作區中，然後我們使用 date_range 函式建立了一系列日期，並將這些日期儲存在一個名為 dates 的變數中。
我們將此 dates 變數傳送到 Pandas Series 建構函式，它將建立一個類似於以下輸出的 Pandas Series 物件。
輸出
0 2021-06-14 1 2021-06-15 2 2021-06-16 3 2021-06-17 4 2021-06-18 dtype: datetime64[ns]
生成的 Pandas Series 物件可以在上面的程式碼塊中看到，它包含從 2021-06-14 到 2021-06-18 的一系列日期。在程式碼塊中，我們根據輸入定義了開始日期和週期為 5，生成了這 5 組日期。索引值是從 0 到 4 自動建立的值。
示例
import pandas as pd
import numpy as np
# creating range sequence of dates
date = pd.date_range('2021-06-14', periods=5, freq='D')
#creating pandas Series with date index
s = pd.Series(np.random.randn(len(date)), index=date)
print (s)解釋
在上面的示例中，我們建立了一個 Pandas Series，其中 DateTime 作為索引值，Series 資料是由 NumPy 隨機函式生成的某些隨機數。
為了實現這一點，我們首先匯入了所需的包，即 Pandas 和 NumPy。之後，我們使用 Pandas data_range 函式生成了日期。使用這些日期，我們建立了一個 Pandas Series，索引值為我們的日期，資料為隨機值。
輸出
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
日期是索引標籤，值是隨機數，這裡我們可以看到 Series 資料（值）的 dtype 為 float64，而 Freq: D 表示我們的索引標籤的頻率。
2K+ 次瀏覽
