pandas 序列、索引和时间偏移

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

可以为 Series 或 DatetimeIndex 时间索引序列应用时间偏移。和其他时间序列数据一样，时间偏移后的数据一般会作为索引，运用在统计当中。

序列与时间偏移操作

rng = pd.date_range('2012-01-01', '2012-01-03')
s = pd.Series(rng)
rng
# DatetimeIndex(['2012-01-01', '2012-01-02', '2012-01-03'], dtype='datetime64[ns]', freq='D')
s
'''
0   2012-01-01
1   2012-01-02
2   2012-01-03
dtype: datetime64[ns]
'''

rng + pd.DateOffset(months=2)
# DatetimeIndex(['2012-03-01', '2012-03-02', '2012-03-03'], dtype='datetime64[ns]', freq='D')

s + pd.DateOffset(months=2)
'''
0   2012-03-01
1   2012-03-02
2   2012-03-03
dtype: datetime64[ns]
'''

s - pd.DateOffset(months=2)
'''
0   2011-11-01
1   2011-11-02
2   2011-11-03
dtype: datetime64[ns]
'''

与时长的操作

时长也支持与时间偏移进行操作，而且和时长与时长的操作一样：

s - pd.offsets.Day(2)
'''
0   2011-12-30
1   2011-12-31
2   2012-01-01
dtype: datetime64[ns]
'''

td = s - pd.Series(pd.date_range('2011-12-29', '2011-12-31'))
td
''' 
0   3 days
1   3 days
2   3 days
dtype: timedelta64[ns]
'''

td + pd.offsets.Minute(15)
'''
0   3 days 00:15:00
1   3 days 00:15:00
2   3 days 00:15:00
dtype: timedelta64[ns]
'''

需要注意的是，有些时间偏移对象不支持以上操作，还有是就算支持性能会很差，执行很慢，会及抛出性能警告。

< 时间偏移对象 pandas 教程自定义工作日 >

更新时间：2020-06-11 10:52:11 标签：pandas 索引时间偏移