Pandas.DataFrame时间序列数据处理如何实现
导读：本文共2735.5字符，通常情况下阅读需要9分钟。同时您也可以点击右侧朗读，来听本文内容。按键盘←（左） →（右） 方向键可以翻页。
摘要： 将pandas.DataFrame，pandas.Series的索引设置为datetime64 [ns]类型时，将其视为DatetimeIndex，并且可以使用各种处理时间序列数据的函数。可以按年或月指定行，并按切片指定提取周期，这在处理包含日期和时间信息（例如日期和时间）的数据时非常方便。如何将一列现有数据指定为DatetimeIndex将pandas.Dat... ...
目录
(为您整理了一些要点),点击可以直达。
将pandas.DataFrame，pandas.Series的索引设置为datetime64 [ns]类型时，将其视为DatetimeIndex，并且可以使用各种处理时间序列数据的函数。可以按年或月指定行，并按切片指定提取周期，这在处理包含日期和时间信息（例如日期和时间）的数据时非常方便。
将pandas.DataFrame与默认的基于0的索引和一个字符串列作为日期。
将to_datetime（）应用于日期字符串列，并转换为datetime64 [ns]类型。
使用set_index（）方法将datetime64 [ns]类型的列指定为索引。
Pandas.DataFrame,重置列的行名(set_index）
索引现在是DatetimeIndex。索引的每个元素都是时间戳类型。
可以按年或月指定行，并按切片提取周期。
还可以指定各种格式的行。
如果原始数据是CSV文件，则在使用read_csv（）进行读取时可以指定DatetimeIndex。
在参数index_col中指定要用作索引的日期和时间数据的列名（或从0开始的列号），并将parse_dates设置为True。
如果CSV文件的日期字符串为非标准格式，请在read_csv（）的参数date_parser中指定由lambda表达式定义的解析器。
这可能不是实际的模式，但是如果pandas.Series索引是日期字符串。
如果要将此索引转换为DatetimeIndex，则可以通过将用to_datetime转换的索引替换为属性索引来覆盖它。
Pandas.DataFrame时间序列数据处理如何实现的详细内容，希望对您有所帮助，信息来源于网络。