python随机生成时间戳(python时间序列按频率生成日期的方法)
类别:脚本大全 浏览量:2134
时间:2021-10-01 01:06:45 python随机生成时间戳
python时间序列按频率生成日期的方法有时候我们的数据是按某个频率收集的,比如每日、每月、每15分钟,那么我们怎么产生对应频率的索引呢?pandas中的date_range可用于生成指定长度的datetimeindex。
我们先看一下怎么生成日期范围:pd.date_range(startdate,enddate)
1.生成指定开始日期和结束日期的时间范围:
|
in : import pandas as pd index = pd.date_range( '4/1/2019' , '5/1/2019' ) print (index) out: datetimeindex([ '2019-04-01' , '2019-04-02' , '2019-04-03' , '2019-04-04' , '2019-04-05' , '2019-04-06' , '2019-04-07' , '2019-04-08' , '2019-04-09' , '2019-04-10' , '2019-04-11' , '2019-04-12' , '2019-04-13' , '2019-04-14' , '2019-04-15' , '2019-04-16' , '2019-04-17' , '2019-04-18' , '2019-04-19' , '2019-04-20' , '2019-04-21' , '2019-04-22' , '2019-04-23' , '2019-04-24' , '2019-04-25' , '2019-04-26' , '2019-04-27' , '2019-04-28' , '2019-04-29' , '2019-04-30' , '2019-05-01' ], dtype = 'datetime64[ns]' , freq = 'd' ) |
也可以只指定开始日期或结束日期,但这时必须要输入一个时间长度,并且指定输入的是开始时间还是结束时间,如果不指定默认是开始时间。
date_range(startdate/enddate,periods)
|
in : print (pd.date_range(start = '4/1/2019' ,periods = 10 )) out:datetimeindex([ '2019-04-01' , '2019-04-02' , '2019-04-03' , '2019-04-04' , '2019-04-05' , '2019-04-06' , '2019-04-07' , '2019-04-08' , '2019-04-09' , '2019-04-10' ], dtype = 'datetime64[ns]' , freq = 'd' ) in : print (pd.date_range(start = '5/1/2019' ,periods = 10 )) out:datetimeindex([ '2019-05-01' , '2019-05-02' , '2019-05-03' , '2019-05-04' , '2019-05-05' , '2019-05-06' , '2019-05-07' , '2019-05-08' , '2019-05-09' , '2019-05-10' ], dtype = 'datetime64[ns]' , freq = 'd' ) |
现在我们已经知道怎么生成日期范围了,但是上面我们生成的日期的时间间隔都是天,接下来告诉大家怎么生成其他时间频率的日期范围。
要生成按某个频率计算的日期范围,只需要在date_range后加上freq就可以了。比如,生成每小时间隔的时间:
|
in : print (pd.date_range(start = '5/1/2019' ,periods = 10 ,freq = 'h' )) out:datetimeindex([ '2019-05-01 00:00:00' , '2019-05-01 01:00:00' , '2019-05-01 02:00:00' , '2019-05-01 03:00:00' , '2019-05-01 04:00:00' , '2019-05-01 05:00:00' , '2019-05-01 06:00:00' , '2019-05-01 07:00:00' , '2019-05-01 08:00:00' , '2019-05-01 09:00:00' ], dtype = 'datetime64[ns]' , freq = 'h' ) |
生成时间间隔为3个小时的时间:
|
in : print (pd.date_range(start = '5/1/2019' ,periods = 10 ,freq = '3h' )) out:datetimeindex([ '2019-05-01 00:00:00' , '2019-05-01 01:00:00' , '2019-05-01 02:00:00' , '2019-05-01 03:00:00' , '2019-05-01 04:00:00' , '2019-05-01 05:00:00' , '2019-05-01 06:00:00' , '2019-05-01 07:00:00' , '2019-05-01 08:00:00' , '2019-05-01 09:00:00' ], dtype = 'datetime64[ns]' , freq = 'h' ) |
生成时间间隔为1小时30分的时间:
|
in : print (pd.date_range(start = '5/1/2019' ,periods = 10 ,freq = '1h30min' )) out:datetimeindex([ '2019-05-01 00:00:00' , '2019-05-01 01:30:00' , '2019-05-01 03:00:00' , '2019-05-01 04:30:00' , '2019-05-01 06:00:00' , '2019-05-01 07:30:00' , '2019-05-01 09:00:00' , '2019-05-01 10:30:00' , '2019-05-01 12:00:00' , '2019-05-01 13:30:00' ], dtype = 'datetime64[ns]' , freq = '90t' ) |
python还可以生成其他不规则频率的时间,比如每月的第一个工作日,每月的第一个日历日等
生成每月的第一个工作日:
|
in : print (pd.date_range(start = '1/1/2019' ,periods = 12 ,freq = 'bms' )) out:datetimeindex([ '2019-01-01' , '2019-02-01' , '2019-03-01' , '2019-04-01' , '2019-05-01' , '2019-06-03' , '2019-07-01' , '2019-08-01' , '2019-09-02' , '2019-10-01' , '2019-11-01' , '2019-12-02' ], dtype = 'datetime64[ns]' , freq = 'bms' ) |
生成每月的第一个日历日:
|
in : print (pd.date_range(start = '1/1/2019' ,periods = 12 ,freq = 'ms' )) out:datetimeindex([ '2019-01-01' , '2019-02-01' , '2019-03-01' , '2019-04-01' , '2019-05-01' , '2019-06-01' , '2019-07-01' , '2019-08-01' , '2019-09-01' , '2019-10-01' , '2019-11-01' , '2019-12-01' ], dtype = 'datetime64[ns]' , freq = 'ms' ) |
有一种很实用的频率类,为“wom”,即每月的几个星期几。比如每月的第三个星期五。如果我们每月的第三个星期五发工资,这样就可以很方便的知道今年每个月的工资日了。
|
in : print (pd.date_range(start = '1/1/2019' ,periods = 12 ,freq = 'wom-3fri' )) out:datetimeindex([ '2019-01-18' , '2019-02-15' , '2019-03-15' , '2019-04-19' , '2019-05-17' , '2019-06-21' , '2019-07-19' , '2019-08-16' , '2019-09-20' , '2019-10-18' , '2019-11-15' , '2019-12-20' ], dtype = 'datetime64[ns]' , freq = 'wom-3fri' ) |
下面是python可使用的时间序列的基础频率表:
别名 | 偏移量类型 | 说明 |
---|---|---|
d | day | 每日历日 |
b | businessday | 每工作日 |
h | hour | 每小时 |
t或min | minute | 每分钟 |
s | second | 每秒 |
l或ms | milli | 每毫秒 |
u | micro | 每微秒 |
m | monthend | 每月最后一个日历日 |
bm | businessmonthend | 每月最后一个工作日 |
ms | monthbegin | 每月第一个日历日 |
bms | businessmonthbegin | 每月第一个工作日 |
w-mon、w-tue | week | 每周的星期几 |
wom-1mon、wom-2mon | weekofmonth | 每月第几周的星期几 |
q-jan、q-feb | quarterend | 每个季度对应的该月份的最后一个日历日 |
bq-jan、bq-feb | businessquarterend | 每个季度对应的该月份的最后一个工作日 |
qs-jan、qs-feb | quarterbegin | 每个季度对应的该月份的第一个日历日 |
bqs-jan、bqs-feb | quarterbegin | 每个季度对应的该月份的第一个工作日 |
a-jan、b-feb | yearend | 每年指定月份的最后一个日历日 |
ba-jan、ba-feb | businessyearend | 每年指定月份的最后一个工作日 |
as-jan、as-feb | yearbegin | 每年指定月份的第一个日历日 |
bas-jan、bas-feb | businessyearbegin | 每年指定月份的第一个工作日 |
以上所述是小编给大家介绍的python时间序列按频率生成日期的方法详解整合,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对开心学习网网站的支持!
原文链接:https://blog.csdn.net/weixin_43342981/article/details/90144285
您可能感兴趣
- pythonpickle使用方法(Python supervisor强大的进程管理工具的使用)
- python 的常用工具(Python静态类型检查新工具之pyright 使用指南)
- python 取出时间段日志(python 实现提取某个索引中某个时间段的数据方法)
- python程序锁教程(在python里协程使用同步锁Lock的实例)
- python数组矩阵操作(Python矩阵和Numpy数组的那些事儿)
- python计算csv的行数(对Python 多线程统计所有csv文件的行数方法详解)
- python自学编程笔记(Python 编程速成推荐)
- python正则表达式该怎么学习(Python面向对象总结及类与正则表达式详解)
- Python实现模拟点击(用python实现刷点击率的示例代码)
- python交互模式下如何开始运行(python交互界面的退出方法)
- python基础知识重点(python语言元素知识点详解)
- python计算1到10的阶乘的和(python计算阶乘和的方法1!+2!+3!+...+n!)
- python二叉树是怎么来的(Python二叉树的镜像转换实现方法示例)
- python 3.10 循环语法(Python3.4学习笔记之常用操作符,条件分支和循环用法示例)
- python中的迭代器详解(Python通过for循环理解迭代器和生成器实例详解)
- python发送微信消息脚本(python实现微信定时每天和女友发送消息)
- 冬天来了手脚冰凉 真不是因为上辈子你是折翼的天使(冬天来了手脚冰凉)
- 0 1 岁婴儿最强作息指南,照着做养出天使宝宝(01岁婴儿最强作息指南)
- 沪上这16所高校 萌新 礼包开箱 哪一款让你心动(沪上这16所高校萌新)
- 她救了被绑架的他,而这一切竟是一场阴谋...(她救了被绑架的他)
- 冬季养殖这6种阴生植物,方便又好养,你家有么(冬季养殖这6种阴生植物)
- 阴生植物为什么不怕照不到阳光(阴生植物为什么不怕照不到阳光)
热门推荐
- python迭代列表解析(Python可迭代对象操作示例)
- ubuntu安装cmake(详解ubuntu安装CMake的几种方式)
- dedecms怎么更换模板(DEDECMS解析模板之灵活应用视图类)
- mysql开启审计日志会导致性能下降(MySQL 一则慢日志监控误报的问题分析与解决)
- MVC中报get_RazorKeywords()错误的解决方法
- dockerswarm使用教程(Docker Swarm集群管理的使用及原理解析)
- react常用设计模式(提高React界面性能的十个技巧)
- dockerfile深度解析(Dockerfile文本文件使用方法实例解析)
- docker redis配置文件放哪里(最详细的docker中安装并配置redis图文详解)
- mysql千万数据如何优化(MySQL千万级数据的表如何优化)
排行榜
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9