Python Pandas Series.dt.to_period用法及代码示例

Series.dt可用于以datetimelike的形式访问序列的值并返回几个属性。 Pandas Series.dt.to_period()函数以特定频率将给定Series对象的基础数据强制转换为PeriodArray /Index。

用法： Series.dt.to_period(*args, **kwargs)

参数：

freq：字符串或偏移量，可选

返回值：PeriodArray /索引

范例1：采用Series.dt.to_period()函数以每周频率将给定系列对象的基础数据转换为索引。

# importing pandas as pd 
import pandas as pd 
  
# Creating the Series 
sr = pd.Series(['2012-12-31', '2019-1-1 12:30', '2008-02-2 10:30', 
               '2010-1-1 09:25', '2019-12-31 00:00']) 
  
# Creating the index 
idx = ['Day 1', 'Day 2', 'Day 3', 'Day 4', 'Day 5'] 
  
# set the index 
sr.index = idx 
  
# Convert the underlying data to datetime  
sr = pd.to_datetime(sr) 
  
# Print the series 
print(sr)

输出：

现在我们将使用Series.dt.to_period()函数以每周频率将给定系列对象的基础数据转换为索引。

# cast to targert frequency 
result = sr.dt.to_period(freq = 'W')  
  
# print the result 
print(result)

输出：

正如我们在输出中看到的，Series.dt.to_period()函数已成功将数据投射到目标频率。

范例2：采用Series.dt.to_period()函数以两年的频率将给定系列对象的基础数据转换为Index。

# importing pandas as pd 
import pandas as pd 
  
# Creating the Series 
sr = pd.Series(pd.date_range('2012-12-31 00:00', periods = 5, freq = 'D', 
                            tz = 'US / Central')) 
  
# Creating the index 
idx = ['Day 1', 'Day 2', 'Day 3', 'Day 4', 'Day 5'] 
  
# set the index 
sr.index = idx 
  
# Print the series 
print(sr)

输出：

现在我们将使用Series.dt.to_period()函数以两年的频率将给定系列对象的基础数据转换为Index。

# cast to targert frequency 
result = sr.dt.to_period(freq = '2Y')  
  
# print the result 
print(result)

输出：

正如我们在输出中看到的，Series.dt.to_period()函数已成功将数据投射到目标频率。

相关用法

注：本文由纯净天空筛选整理自Shubham__Ranjan大神的英文原创作品 Python | Pandas Series.dt.to_period。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。