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 Timestamp.fromordinal()
函數在傳遞序數時返回Timestamp對象,該函數將其轉換並轉換為ts對象。根據定義,序數本身不能包含任何tz信息。
用法:Timestamp.fromordinal()
參數:
ordinal:對應於多事的格裏高利序數的日期
freq:偏移的時間戳
tz:時間戳記將具有的時間的時區
返回:時間戳記
範例1:采用Timestamp.fromordinal()
函數根據傳遞的序號值轉換給定的Timestamp對象。
# 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)
輸出:
現在我們將使用Timestamp.fromordinal()
函數以轉換給定的Timestamp對象。
# convert the given Timestamp object
# based on the passed ordinal value
ts.fromordinal(ordinal = 733829)
輸出:
正如我們在輸出中看到的,Timestamp.fromordinal()
函數根據傳遞的序數值返回了一個新的Timestamp對象。
範例2:采用Timestamp.fromordinal()
函數根據傳遞的序號值轉換給定的Timestamp對象。同時設置時區。
# 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)
輸出:
現在我們將使用Timestamp.fromordinal()
函數以轉換給定的Timestamp對象。
# convert the given Timestamp object
# based on the passed ordinal value
ts.fromordinal(ordinal = 634816, tz = 'Asia / Calcutta')
輸出:
正如我們在輸出中看到的,Timestamp.fromordinal()
函數根據傳遞的序數值返回了一個新的Timestamp對象。該函數還為返回的Timestamp對象設置了時區。
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 Timestamp.fromordinal。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。