Python是進行數據分析的一種出色語言,主要是因為以數據為中心的python軟件包具有奇妙的生態係統。 Pandas是其中的一種,使導入和分析數據更加容易。
Pandas TimedeltaIndex.to_native_types()
函數格式化self(TimedeltaIndex對象)的指定值,並以其本機格式返回該對象。
用法: TimedeltaIndex.to_native_types(slicer=None, **kwargs)
參數:
slicer:自我索引器,用於指定格式化過程中使用的值。(int,array-like)
kwargs:用於指定應如何設置值格式的選項。
返回:數組對象
範例1:采用TimedeltaIndex.to_native_types()
函數將給定的TimedeltaIndex對象格式化為其原始格式。
# 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)
輸出:
現在我們將使用TimedeltaIndex.to_native_types()
函數將tidx格式化為其原始類型。
# format tidx
tidx.to_native_types()
輸出:
正如我們在輸出中看到的,TimedeltaIndex.to_native_types()
函數返回了一個包含dtype元素的數組對象
範例2:采用TimedeltaIndex.to_native_types()
函數將給定的TimedeltaIndex對象格式化為其原始格式。
# 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)
輸出:
現在我們將使用TimedeltaIndex.to_native_types()
函數將tidx格式化為其原始類型。
# format tidx
tidx.to_native_types()
輸出:
正如我們在輸出中看到的,TimedeltaIndex.to_native_types()
函數返回了一個包含dtype元素的數組對象
相關用法
- Python pandas.map()用法及代碼示例
- Python Pandas Series.str.len()用法及代碼示例
- Python Pandas.factorize()用法及代碼示例
- Python Pandas TimedeltaIndex.name用法及代碼示例
- Python Pandas dataframe.ne()用法及代碼示例
- Python Pandas Series.between()用法及代碼示例
- Python Pandas DataFrame.where()用法及代碼示例
- Python Pandas Series.add()用法及代碼示例
- Python Pandas.pivot_table()用法及代碼示例
- Python Pandas Series.mod()用法及代碼示例
- Python Pandas Dataframe.at[ ]用法及代碼示例
- Python Pandas Dataframe.iat[ ]用法及代碼示例
- Python Pandas.pivot()用法及代碼示例
- Python Pandas dataframe.mul()用法及代碼示例
- Python Pandas.melt()用法及代碼示例
注:本文由純淨天空篩選整理自Shubham__Ranjan大神的英文原創作品 Python | Pandas TimedeltaIndex.to_native_types()。非經特殊聲明,原始代碼版權歸原作者所有,本譯文未經允許或授權,請勿轉載或複製。