在本文中，将演示一些不常见，但是却非常有用的 Pandas 函数。
创建一个示例 DataFrame 。
import numpy as np
import pandas as pd
df = pd.DataFrame({
"date": pd.date_range(start="2021-11-20", periods=100, freq="D"),
"class": ["A","B","C","D"] * 25,
"amount": np.random.randint(10, 100, size=100)})
df.head()
我们创建有一个 3 列 100 行的 DataFrame。date 列包含 100 个连续日期，class 列包含 4 个以对象数据类型存储的不同值，amount 列包含 10 到 100 之间的随机整数。
1、To_period
在 Pandas 中，操 to_period 函数允许将日期转换为特定的时间间隔。使用该方法可以获取具有许多不同间隔或周期的日期，例如日、周、月、季度等。
比如针对于时间类型的列，month 方法只返回在许多情况下没有用处的月份的数值，我们无法区分 2020 年 12 月和 2021 年 12 月。但是我们通过使用to_period 函数的参数”M”实现时间序列。
让我们为年月和季度创建新列。
df["month"] = df["date"].dt.to_period("M")
df["quarter"] = df["date"].dt.to_period("Q")
df.head()
还可以查看 DataFrame 中不同的年月和季度值。
`
df[“month”].value_counts()
output
2021-12 31
2022-01 31
2022-02 27
2021-11 11
Freq: M, Name: month, dtype: int64
Original: https://blog.csdn.net/m0_46510245/article/details/124764469
Author: deephub
Title: 3 个不常见但非常实用的Pandas 使用技巧
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/674311/
转载文章受原作者版权保护。转载请注明原作者出处！