datetimeindex相关内容
如何使用频率字符串(偏移别名)计算 Pandas DatetimeIndex 中的周期数?例如,假设我有以下 DatetimeIndex: idx = pd.date_range("2019-03-01", period=10000, freq='5T') 我想知道一周有多少个 5 分钟的时间段,或“7D".我可以“手动"计算: periods = (7*24*60)//5 或者我可以得到
..
我问了这个问题,我得到了一个答案,该答案适用于具有顺序和非缺失数据的一般情况,但不适用于我的情况.我有一个如下所示的 DF. eventTime MeteredEnergy Demand RunningHoursLamps6/7/2018 0:00 67.728 64 1037.822018 年 6 月 7 日 1:00 67.793 64 1038.822018 年 6 月 7 日 2:00
..
目的是将具有列表列作为数据列(因此每行只有一个时间戳和持续时间)的数据帧转换为长格式的时间序列,每个项目都有一个日期时间索引. 在结果中,数据的每行不再有序列/列表,只有一个值列. df_test = pd.DataFrame({'timestamp': [1462352000000000000, 1462352100000000000, 1462352200000000000, 1462
..
我有一个熊猫DatetimeIndex,我想按星期几和一天中的小时与列表匹配的标准来过滤索引.例如,我有一个元组列表,指示每个TimeStamp有效(星期几,小时,分钟): [(4,6),(5,7)] 最终索引应仅包含星期五(day_of_week = 4)小时6或星期六(day_of_week = 5)小时7的日期时间. 让我们说输入数据帧就像: 2016-04-02 06:3
..
我有一个数据帧df,运行print(df.index)时,我得到: DatetimeIndex([' 2011-08-05 00:00:00-04:00','2011-08-05 01:00:00-04:00', '2011-08-05 02:00:00-04 :00','2011-08-05 03:00:00-04:00', '2011-08-05 04:00:00-04:00','20
..
为熊猫的DatetimeIndex(具有dtype numpy datetime64 [ns])建立索引将返回以下任一值: 另一个用于多个索引的DatetimeIndex 单个索引的熊猫时间戳 令人困惑的部分是时间戳不等于np.datetime64,因此 进口numpy为np 进口熊猫为pd a_datetimeindex = pd。 date_range('1/1/
..
我有一个带有 DateTimeIndex 的熊猫数据框: AB 2016-04-25 18:50:06 440.967796 201.049600 2016-04-25 18:50:13 441.054995 200.767034 2016-04-25 18:50:20 441.142337 200.484475 ... 2016-07-27 18:50:06 440.
..
df看起来像这样: DateTime 2017-07-10 03:00:00 288.0 2017-07-10 04:00:00 306.0 2017-08-10 05:00:00 393.0 2017-08-10 06:00:00 522.0 2017-09-10 07:00:00 487.0 2017-09-10 08:00:00 523.0 2017
..
我有以下格式的CSV文件: vm,time,LoadInt1 abc-webapp-02,2017-05-31 10:00:00,3.133333 abc-webapp-02,2017-05-31 10:05:00,0.000000 abc-webapp-02,2017-05-31 10:10:00,0.000000 abc-webapp-02,2017-05-31 10:15:00,0.0
..
寻找一种更有效的方法来遍历和比较两个具有不同频率的Series对象中的datetimeindex值. 设置 想象两个熊猫系列,每个熊猫的日期时间索引涵盖相同的年份跨度,但每个索引的频率不同.一个频率为几天,另一个频率为几个小时. range1 = pd.date_range('2016-01-01','2016-12-31', freq='D') range2 = pd.date
..
我有这个DatetimeIndex: dates = DatetimeIndex(['2017-06-09', '2017-06-10', '2017-06-11', '2017-06-12', '2017-06-13', '2017-06-14'], dtype='datetime64[ns]', freq='
..
我希望具有与快照相同的功能,但要使用向左出现的频率,而不是最接近的频率. 这是我正在尝试的: date = pd.date_range('2015-01-01', '2015-12-31') week_index = pd.DatetimeIndex.snap(date, 'W-MON') week_index DatetimeIndex(['2014-12-29', '2015-01
..
考虑DateTimeIndex dates dates = pd.date_range('2016-01-29', periods=4, freq='BM') dates DatetimeIndex(['2016-01-29', '2016-02-29', '2016-03-31', '2016-04-29'], dtype='datetime64[ns]',
..
我正试图在具有这样的时间序列数据框中插入缺少的工作日 import pandas as pd from pandas.tseries.offsets import * df = pd.DataFrame([['2016-09-30', 10, 2020], ['2016-10-03', 20, 2424], ['2016-10-05', 5, 232]], columns=['date',
..
我正在尝试将熊猫的DatetimeIndex(或Timestamp)四舍五入到最近的分钟,但是Timestamps为30秒时我遇到了问题-有些向上舍入,有些向下舍入(这似乎是交替的). 有什么建议可以解决这个问题,以使30s总是四舍五入? >>> pd.Timestamp(2019,6,1,6,57,30).round('1T') Timestamp('2019-06-01 06:58:0
..
以下是我的数据框,其中包含来自多个Excel文件的值.我想进行时间序列分析,因此将索引设为datetimeindex.但是我的索引没有按照日期排列.以下是我的数据框: Item Details Unit Op. Qty Price Op. Amt. Cl. Qty Price.1 Cl. Amt. Month
..
pandas可以对时间索引进行切片.例如,通过执行以下操作,我可以对从2012年1月到2012年3月的月份中的数据帧df进行切片: df['2012-01':'2012-03'] 但是,我有一个带有多重索引的数据帧df,其中时间索引是第二级.看起来像: A B C D E a
..
我有两个DataFrame.一个具有一组与某些时间和日期相对应的值(df_1).另一个具有对应于某些日期(df_2)的一组值.我想合并这些DataFrame,以使日期的df_2值适用于相应日期的df_1的所有时间. 所以,这里是df_1: |DatetimeIndex |value_1| |-----------------------|-------| |2015-
..
我有4个数据框,其数据类型与datetime索引类似,但是在每个数据帧中都缺少几条缺失的行,我知道可以使用以前已知的数据来填充空白。 我想“对齐”这些数据帧,使它们具有所有数据帧的索引的并集,并填充缺失的值。 我知道如何做2个数据框: df1,df2 = df1.align(df2,axis = 0,method ='pad'),但是什么是否可以做超过2次的好方法? 我已经尝试过,它
..