当前位置： 首页 > article >正文

Python酷库之旅-第三方库Pandas(154)

article 2024/10/24 19:27:44

目录

一、用法精讲

701、pandas.Timestamp.utcnow方法

701-1、语法

701-2、参数

701-3、功能

701-4、返回值

701-5、说明

701-6、用法

701-6-1、数据准备

701-6-2、代码示例

701-6-3、结果输出

702、pandas.Timestamp.utcoffset方法

702-1、语法

702-2、参数

702-3、功能

702-4、返回值

702-5、说明

702-6、用法

702-6-1、数据准备

702-6-2、代码示例

702-6-3、结果输出

703、pandas.Timestamp.utctimetuple方法

703-1、语法

703-2、参数

703-3、功能

703-4、返回值

703-5、说明

703-6、用法

703-6-1、数据准备

703-6-2、代码示例

703-6-3、结果输出

704、pandas.Timestamp.weekday方法

704-1、语法

704-2、参数

704-3、功能

704-4、返回值

704-5、说明

704-6、用法

704-6-1、数据准备

704-6-2、代码示例

704-6-3、结果输出

705、pandas.arrays.DatetimeArray类

705-1、语法

705-2、参数

705-3、功能

705-4、返回值

705-5、说明

705-6、用法

705-6-1、数据准备

705-6-2、代码示例

705-6-3、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

701、pandas.Timestamp.utcnow方法
701-1、语法
# 701、pandas.Timestamp.utcnow方法
classmethod pandas.Timestamp.utcnow()
Return a new Timestamp representing UTC day and time.
701-2、参数

        无

701-3、功能

        用于获取当前的UTC时间戳。

701-4、返回值

        返回一个pandas.Timestamp对象，表示当前的UTC时间戳。

701-5、说明

        无

701-6、用法
701-6-1、数据准备
无
701-6-2、代码示例
# 701、pandas.Timestamp.utcnow方法
import pandas as pd
# 获取当前的UTC时间戳
utc_now = pd.Timestamp.utcnow()
print(utc_now)
701-6-3、结果输出
# 701、pandas.Timestamp.utcnow方法
# 2024-10-16 12:08:11.818230+00:00
702、pandas.Timestamp.utcoffset方法
702-1、语法
# 702、pandas.Timestamp.utcoffset方法
pandas.Timestamp.utcoffset()
Return utc offset.
702-2、参数

        无

702-3、功能

        用于获取时间戳的UTC偏移量，它属于pandas库中的Timestamp对象，用于处理时间序列数据。

702-4、返回值

        返回一个timedelta对象，表示该Timestamp与UTC时间的时差，这在处理具有时区信息的时间戳时尤其重要，因为它能够帮助你理解本地时间与UTC时间之间的差异。

702-5、说明

        无

702-6、用法
702-6-1、数据准备
无
702-6-2、代码示例
# 702、pandas.Timestamp.utcoffset方法
import pandas as pd
# 创建一个带时区的Timestamp
timestamp_with_tz = pd.Timestamp('2024-10-16 20:15:00', tz='Asia/Shanghai')
# 获取UTC偏移量
utc_offset_with_tz = timestamp_with_tz.utcoffset()
print(utc_offset_with_tz)
# 创建一个没有时区的Timestamp
timestamp_without_tz = pd.Timestamp('2024-10-16 20:15:00')
# 获取UTC偏移量
utc_offset_without_tz = timestamp_without_tz.utcoffset()
print(utc_offset_without_tz)
702-6-3、结果输出
# 702、pandas.Timestamp.utcoffset方法
# 8:00:00
# None
703、pandas.Timestamp.utctimetuple方法
703-1、语法
# 703、pandas.Timestamp.utctimetuple方法
pandas.Timestamp.utctimetuple()
Return UTC time tuple, compatible with time.localtime().
703-2、参数

        无

703-3、功能

        将Timestamp对象转换为UTC时区下的时间元组，忽略时区信息。

703-4、返回值

        返回一个time.struct_time对象，该对象是Python标准库中的一个元组类型，表示UTC时区下的时间。

time.struct_time 对象的格式：

time.struct_time(tm_year, tm_mon, tm_mday, tm_hour, tm_min, tm_sec, tm_wday, tm_yday, tm_isdst)

其中，各个字段的含义如下：

  • tm_year: 年份(4位数字)
  • tm_mon: 月份(1-12)
  • tm_mday: 日(1-31)
  • tm_hour: 小时(0-23)
  • tm_min：分钟(0-59)
  • tm_sec：秒(0-59)
  • tm_wday：星期几(0-6，0表示星期一)
  • tm_yday：一年中的第几天(1-366)
  • tm_isdst：夏令时标志(在这个方法中总是返回0，因为UTC不使用夏令时)
703-5、说明

        无

703-6、用法
703-6-1、数据准备
无
703-6-2、代码示例
# 703、pandas.Timestamp.utctimetuple方法
import pandas as pd
# 创建一个Timestamp对象
ts = pd.Timestamp('2024-10-15 20:25:00', tz='US/Eastern')
# 使用utctimetuple()方法
utc_time = ts.utctimetuple()
print(utc_time)
print(f"Year: {utc_time.tm_year}")
print(f"Month: {utc_time.tm_mon}")
print(f"Day: {utc_time.tm_mday}")
print(f"Hour: {utc_time.tm_hour}")
print(f"Minute: {utc_time.tm_min}")
print(f"Second: {utc_time.tm_sec}")
703-6-3、结果输出
# 703、pandas.Timestamp.utctimetuple方法
# time.struct_time(tm_year=2024, tm_mon=10, tm_mday=16, tm_hour=0, tm_min=25, tm_sec=0, tm_wday=2, tm_yday=290, tm_isdst=0)
# Year: 2024
# Month: 10
# Day: 16
# Hour: 0
# Minute: 25
# Second: 0
704、pandas.Timestamp.weekday方法
704-1、语法
# 704、pandas.Timestamp.weekday方法
pandas.Timestamp.weekday()
Return the day of the week represented by the date.

Monday == 0 … Sunday == 6.
704-2、参数

        无

704-3、功能

        用于返回一个整数字段，表示该日期是星期几，星期一对应的值为0，星期二为1，依此类推，星期日为6。

704-4、返回值

        返回一个整数字段，表示该日期是星期几。

704-5、说明

        无

704-6、用法
704-6-1、数据准备
无
704-6-2、代码示例
# 704、pandas.Timestamp.weekday方法
import pandas as pd
date = pd.Timestamp('2024-10-16')
weekday = date.weekday()
print(weekday)
704-6-3、结果输出
# 704、pandas.Timestamp.weekday方法
# 2
705、pandas.arrays.DatetimeArray类
705-1、语法
# 705、pandas.arrays.DatetimeArray类
class pandas.arrays.DatetimeArray(values, dtype=None, freq=_NoDefault.no_default, copy=False)
Pandas ExtensionArray for tz-naive or tz-aware datetime data.

Warning

DatetimeArray is currently experimental, and its API may change without warning. In particular, DatetimeArray.dtype is expected to change to always be an instance of an ExtensionDtype subclass.

Parameters:
valuesSeries, Index, DatetimeArray, ndarray
The datetime data.

For DatetimeArray values (or a Series or Index boxing one), dtype and freq will be extracted from values.

dtypenumpy.dtype or DatetimeTZDtype
Note that the only NumPy dtype allowed is ‘datetime64[ns]’.

freqstr or Offset, optional
The frequency.

copybool, default False
Whether to copy the underlying array of values.
705-2、参数

705-2-1、values(必须)：array-like，用于创建DatetimeArray的基本数据，通常是一个日期时间的数组，如字符串、整数时间戳或已转换为日期时间格式的其他数据。

705-2-2、dtype(可选，默认值为None)：str或np.dtype或None，指定数据的类型，可以是字符串形式的dtype或者是numpy 数据类型，如果不提供，pandas将根据values自动推断。

705-2-3、freq(可选，默认值为_NoDefault.no_default)：str, DateOffset或者None，指定时间序列的频率，例如'D'表示日，'H'表示小时等，如果没有指定，默认值为None，这对于时间序列的数据分析非常关键，因为频率可以影响到数据的时序操作。

705-2-4、copy(可选，默认值为False)：布尔值，是否创建数据的副本，如果设置为True，尽管values可能是可变的，依然会强制创建一个新的数组，这在避免对原数据的意外修改时可能会有用。

705-3、功能

        用于提供高效的、矢量化的时间序列数据表示形式，它允许快速的时间戳开发、切片、时间运算等操作，是处理时间相关数据时不可或缺的组成部分。

705-4、返回值

        构造完成后，DatetimeArray将返回一个表示日期时间的对象，该对象能够支持许多pandas时间序列功能，包括但不限于索引操作、时间戳反向转换、缺失值处理等。

705-5、说明

        无

705-6、用法
705-6-1、数据准备
无
705-6-2、代码示例
# 705、pandas.arrays.DatetimeArray类
import pandas as pd
# 创建一个日期时间的数组
date_strings = ["2024-10-16", "2024-10-17", "2024-10-18"]
# 转换为DatetimeArray
datetime_array = pd.arrays.DatetimeArray(pd.to_datetime(date_strings))
print("DatetimeArray:")
print(datetime_array)
# 访问特定的日期
print("\n访问特定日期:")
print(datetime_array[1])  # 访问第二个日期
# 进行日期运算，例如增加一天
print("\n增加一天:")
new_dates = datetime_array + pd.Timedelta(days=1)
print(new_dates)
# 检查频率（此例中没有设置频率，所以会是 None）
print("\n频率:")
print(datetime_array.freq)
705-6-3、结果输出
# 705、pandas.arrays.DatetimeArray类
# DatetimeArray:
# <DatetimeArray>
# ['2024-10-16 00:00:00', '2024-10-17 00:00:00', '2024-10-18 00:00:00']
# Length: 3, dtype: datetime64[ns]
# 
# 访问特定日期:
# 2024-10-17 00:00:00
# 
# 增加一天:
# <DatetimeArray>
# ['2024-10-17 00:00:00', '2024-10-18 00:00:00', '2024-10-19 00:00:00']
# Length: 3, dtype: datetime64[ns]
# 
# 频率:
# None

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

http://www.kler.cn/news/351123.html

相关文章：

  • 互联网摸鱼日报(2024-10-24)
  • 无人机和鸟数据集，无人机数据集+鸟数据集 yolo格式，可以直接用于模型的训练。7000张，图片自己打的标签 yolov5-yolov10通用
  • 你不常用的 FileReader 能干什么？
  • Eclipse Java 构建路径
  • 【鼠鼠学AI代码合集#8】线性神经网络
  • SQL：字段a not in (筛选值 or 子查询)，当字段a = null 或not in里面存在null时。sql筛选结果可能不符预期
  • C# 比较两个集合和比较对象
  • 【项目经验分享】Stable Diffusion生成式扩散模型毕业设计项目案例定制
  • web1.0,web2.0,web3.0 有什么区别 详解
  • 4.7 大数据应用场景
  • O2OA结合备份脚本和定时任务进行数据库的备份，我们以MySQL数据库为例
  • 单片机（学习）2024.10.15
  • AI绘画：手把手带你Stable Diffusion从零开始安装部署！
  • 解决 vscode 占据 c 盘过大的问题的设置
  • 二、Thread常见的方法
  • ssm基于javaweb的数学竞赛网站的设计与实现+vue
  • 高可用架构设计：确保服务持续在线
  • Java常用类和基础API
  • 算法-二叉树展开单链表
  • 怎么给PPT文件设置文字动画效果，提高美观度
  • 【智能大数据分析 | 实验三】Storm实验：实时WordCountTopology
  • 3.Node.js FS模块（File system）
  • 【scene_manager】与 MoveIt 机器人的规划场景进行交互
  • 2024了，传统行业转行AI，可不可行？
  • 网络编程-UDP以及数据库mysql
  • Linux服务器启动应用缓慢的解决方案