Python是进行数据分析的一种出色语言,主要是因为以数据为中心的python软件包具有奇妙的生态系统。 Pandas是其中的一种,使导入和分析数据更加容易。
Pandas TimedeltaIndex.to_series()
函数使用索引和等于索引键的值创建一个Series,该索引对map有用,用于基于索引返回索引器。
用法: TimedeltaIndex.to_series(index = None, name = None)
参数:
index:所得系列的索引。如果为None,则默认为原始索引(索引,可选)
name:所得系列的名称。如果为None,则默认为原始索引的名称(字符串,可选)
返回:Series:dtype将基于Index值的类型。
范例1:采用TimedeltaIndex.to_series()
函数根据给定的TimedeltaIndex对象构造Series对象。
# importing pandas as pd
import pandas as pd
# Create the TimedeltaIndex object
tidx = pd.TimedeltaIndex(data =['06:05:01.000030', '+23:59:59.999999',
'22 day 2 min 3us 10ns', '+23:29:59.999999',
'+12:19:59.999999'])
# Print the TimedeltaIndex object
print(tidx)
输出:
现在我们将使用TimedeltaIndex.to_series()
函数使用tidx构造Series对象。
# return a series
tidx.to_series()
输出:
正如我们在输出中看到的,TimedeltaIndex.to_series()
函数已使用tidx对象返回了新构造的Series对象。注意,Series的索引也是使用给定对象的标签构造的。
范例2:采用TimedeltaIndex.to_series()
函数根据给定的TimedeltaIndex对象构造Series对象。
# importing pandas as pd
import pandas as pd
# Create the TimedeltaIndex object
tidx = pd.TimedeltaIndex(start ='1 days 02:00:12.001124',
periods = 5, freq ='D', name ='Koala')
# Print the TimedeltaIndex object
print(tidx)
输出:
现在我们将使用TimedeltaIndex.to_series()
函数使用tidx构造Series对象。
# return a series
tidx.to_series()
输出:
正如我们在输出中看到的,TimedeltaIndex.to_series()
函数已使用tidx对象返回了新构造的Series对象。注意,Series的索引也是使用给定对象的标签构造的。
相关用法
- Python pandas.map()用法及代码示例
- Python Pandas Series.str.len()用法及代码示例
- Python Pandas.factorize()用法及代码示例
- Python Pandas TimedeltaIndex.name用法及代码示例
- Python Pandas dataframe.ne()用法及代码示例
- Python Pandas Series.between()用法及代码示例
- Python Pandas DataFrame.where()用法及代码示例
- Python Pandas Series.add()用法及代码示例
- Python Pandas.pivot_table()用法及代码示例
- Python Pandas Series.mod()用法及代码示例
- Python Pandas Dataframe.at[ ]用法及代码示例
- Python Pandas Dataframe.iat[ ]用法及代码示例
- Python Pandas.pivot()用法及代码示例
- Python Pandas dataframe.mul()用法及代码示例
- Python Pandas.melt()用法及代码示例
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 TimedeltaIndex.to_series()。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。