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 Timestamp.fromordinal()
函数在传递序数时返回Timestamp对象,该函数将其转换并转换为ts对象。根据定义,序数本身不能包含任何tz信息。
用法:Timestamp.fromordinal()
参数:
ordinal:对应于多事的格里高利序数的日期
freq:偏移的时间戳
tz:时间戳记将具有的时间的时区
返回:时间戳记
范例1:采用Timestamp.fromordinal()
函数根据传递的序号值转换给定的Timestamp对象。
# importing pandas as pd
import pandas as pd
# Create the Timestamp object
ts = pd.Timestamp(year = 2011, month = 11, day = 21,
hour = 10, second = 49, tz = 'US/Central')
# Print the Timestamp object
print(ts)
输出:
现在我们将使用Timestamp.fromordinal()
函数以转换给定的Timestamp对象。
# convert the given Timestamp object
# based on the passed ordinal value
ts.fromordinal(ordinal = 733829)
输出:
正如我们在输出中看到的,Timestamp.fromordinal()
函数根据传递的序数值返回了一个新的Timestamp对象。
范例2:采用Timestamp.fromordinal()
函数根据传递的序号值转换给定的Timestamp对象。同时设置时区。
# importing pandas as pd
import pandas as pd
# Create the Timestamp object
ts = pd.Timestamp(year = 2009, month = 5, day = 31,
hour = 4, second = 49, tz = 'Europe/Berlin')
# Print the Timestamp object
print(ts)
输出:
现在我们将使用Timestamp.fromordinal()
函数以转换给定的Timestamp对象。
# convert the given Timestamp object
# based on the passed ordinal value
ts.fromordinal(ordinal = 634816, tz = 'Asia / Calcutta')
输出:
正如我们在输出中看到的,Timestamp.fromordinal()
函数根据传递的序数值返回了一个新的Timestamp对象。该函数还为返回的Timestamp对象设置了时区。
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 Timestamp.fromordinal。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。