要对具有毫秒频率的 DateTimeIndex 进行四舍五入，请使用 DateTimeIndex.round() 方法。对于毫秒频率，请使用值为“ms”的 freq 参数。首先，导入所需的库 − import pandas as pd 创建一个具有 5 个周期且频率为 s（即秒）的 DatetimeIndex − datetimeindex = pd.date_range('2021-09-29 07:20:32.261811624', periods=5, tz='Australia/Adelaide', freq='28s') 对 DateTimeIndex 日期进行具有毫秒频率的四舍五入运算。对于毫秒频率，我们使用了 'ms' − print("Performing round operation with milliseconds frequency...", datetimeindex.round(freq='ms')) 示例 以下代码 − import pandas as pd # 具有 5 个周期且频率为 s（即秒）的 DatetimeIndex # 时区为 Australia/Adelaide datetimeindex = pd.date_range('2021-09-29 07:20:32.261811624', periods=5, tz='Australia/Adelaide', freq='28s') ... 阅读更多

要对具有秒频率的 DateTimeIndex 进行四舍五入，请使用 DateTimeIndex.round() 方法。对于秒频率，请使用值为“S”的 freq 参数。首先，导入所需的库 − import pandas as pd 创建一个具有 5 个周期且频率为 s（即秒）的 DatetimeIndex − datetimeindex = pd.date_range('2021-09-29 07:20:32.261811624', periods=5, tz='Australia/Adelaide', freq='28s') 对 DateTimeIndex 日期进行具有秒频率的四舍五入运算。对于秒频率，我们使用了 'S' − print("Performing round operation with seconds frequency...", datetimeindex.round(freq='S')) 示例 以下代码 − import pandas as pd # 具有 5 个周期且频率为 s（即秒）的 DatetimeIndex # 时区为 Australia/Adelaide datetimeindex = pd.date_range('2021-09-29 07:20:32.261811624', periods=5, tz='Australia/Adelaide', freq='28s') ... 阅读更多

要从具有特定时间序列频率的 DateTimeIndex 中提取年份，请使用 DateTimeIndex.day 属性。首先，导入所需的库 − import pandas as pd 具有 6 个周期且频率为 D（即天）的 DatetimeIndex。时区为 Australia/Sydney − datetimeindex = pd.date_range('2021-10-20 02:35:55', periods=6, tz='Australia/Sydney', freq='D') 显示 DateTimeIndex − print("DateTimeIndex...", datetimeindex) 获取日期 − print("Getting the day..", datetimeindex.day) 示例 以下代码 − import pandas as pd # 具有 6 个周期且频率为 D（即天）的 DatetimeIndex # 时区为 Australia/Sydney datetimeindex = pd.date_range('2021-10-20 02:35:55', periods=6, tz='Australia/Sydney', freq='D') # 显示 DateTimeIndex print("DateTimeIndex...", datetimeindex) # 显示 DateTimeIndex 频率 print("DateTimeIndex frequency...", datetimeindex.freq) # ... 阅读更多

要从具有特定时间序列频率的 DateTimeIndex 中提取月份数字，请使用 DateTimeIndex.month 属性。首先，导入所需的库 − import pandas as pd 具有 6 个周期且频率为 M（即月）的 DatetimeIndex。时区为 Australia/Sydney − datetimeindex = pd.date_range('2021-09-24 02:35:55', periods=6, tz='Australia/Sydney', freq='M') 显示 DateTimeIndex − print("DateTimeIndex...", datetimeindex) 获取月份数字，即一月=1，二月=2，…，十二月=12 − print("Getting the month number..", datetimeindex.month) 示例 以下代码 − import pandas as pd # 具有 6 个周期且频率为 M（即月）的 DatetimeIndex # 时区为 Australia/Sydney datetimeindex = pd.date_range('2021-09-24 02:35:55', periods=6, tz='Australia/Sydney', freq='M') # 显示 DateTimeIndex print("DateTimeIndex...", datetimeindex) # ... 阅读更多

要从具有特定时间序列频率的 DateTimeIndex 中提取年份，请使用 DateTimeIndex.year 属性。首先，导入所需的库 − import pandas as pd 具有 6 个周期且频率为 Y（即年）的 DatetimeIndex。时区为 Australia/Sydney − datetimeindex = pd.date_range('2021-09-24 02:35:55', periods=6, tz='Australia/Sydney', freq='Y') 显示 DateTimeIndex − print("DateTimeIndex...", datetimeindex) 获取年份 − print("Getting the year name..", datetimeindex.year) 示例 以下代码 − import pandas as pd # 具有 6 个周期且频率为 Y（即年）的 DatetimeIndex # 时区为 Australia/Sydney datetimeindex = pd.date_range('2021-09-24 02:35:55', periods=6, tz='Australia/Sydney', freq='Y') # 显示 DateTimeIndex print("DateTimeIndex...", datetimeindex) # 显示 DateTimeIndex 频率 print("DateTimeIndex frequency...", datetimeindex.freq) ... 阅读更多

要创建日期时间，我们将使用 date_range()。还将设置周期和时区以及频率。首先，导入所需的库 − import pandas as pd 具有 8 个周期且频率为 M（即月）的 DatetimeIndex。时区为 Australia/Sydney − datetime = pd.date_range('2021-09-24 02:35:55', periods=8, tz='Australia/Sydney', freq='M') 显示日期时间 − print("DateTime...", datetime) 示例 以下代码 − import pandas as pd # 具有 8 个周期且频率为 M（即月）的 DatetimeIndex # 时区为 Australia/Sydney datetime = pd.date_range('2021-09-24 02:35:55', periods=8, tz='Australia/Sydney', freq='M') # 显示 print("DateTime...", datetime) # 获取日期名称 print("Getting the ... 阅读更多

要使用 MultiIndex 中的级别名称返回标签值的向量，请在 Pandas 中使用 MultiIndex.get_level_values() 方法。首先，导入所需的库 − import pandas as pd MultiIndex 是 pandas 对象的多级或分层索引对象 − multiIndex = pd.MultiIndex.from_arrays([list('pqrrss'), list('strvwx')], names=['One', 'Two']) 显示 MultiIndex − print("The MultiIndex...", multiIndex) 使用级别名称“Two”获取级别值 − print("Level values using level name...", multiIndex.get_level_values("Two")) 示例 以下代码 − import pandas as pd # MultiIndex 是 pandas 对象的多级或分层索引对象 multiIndex = pd.MultiIndex.from_arrays([list('pqrrss'), list('strvwx')], names=['One', 'Two']) # 显示 MultiIndex print("The MultiIndex...", multiIndex) # 获取级别 ... 阅读更多

要使用 MultiIndex 中级别的整数位置返回标签值的向量，请在 Pandas 中使用 MultiIndex.get_level_values() 方法。将级别设置为参数。首先，导入所需的库 − import pandas as pd MultiIndex 是 pandas 对象的多级或分层索引对象 − multiIndex = pd.MultiIndex.from_arrays([list('pqrrss'), list('strvwx')], names=['One', 'Two']) 显示 MultiIndex − print("The MultiIndex...", multiIndex) 获取级别 0 的级别值 − print("Level values at level 0...", multiIndex.get_level_values(0)) 示例 以下代码 − import pandas as pd # MultiIndex 是 pandas 对象的多级或分层索引对象 multiIndex = pd.MultiIndex.from_arrays([list('pqrrss'), list('strvwx')], names=['One', 'Two']) # 显示 ... 阅读更多

要返回 MultiIndex 中请求级别的标签值的向量，请使用 multiIndex.get_level_values() 方法。将级别名称设置为参数。首先，导入所需的库 − import pandas as pd MultiIndex 是 pandas 对象的多级或分层索引对象 − multiIndex = pd.MultiIndex.from_arrays([list('pqrrss'), list('strvwx')], names=['One', 'Two']) 显示 MultiIndex − print("The MultiIndex...", multiIndex) 获取 MultiIndex 中的级别 − print("The levels in MultiIndex...", multiIndex.levels) 获取级别 0 的级别值 − print("Level values...", multiIndex.get_level_values(0)) 示例 以下代码 − import pandas as pd # MultiIndex 是 pandas 对象的多级或分层索引对象 multiIndex = pd.MultiIndex.from_arrays([list('pqrrss'), list('strvwx')], names=['One', 'Two']) # ... 阅读更多

为了在 Pandas 的 MultiIndex 中获取请求标签/级别的位置和切片索引，可以使用 `get_loc_level()` 方法。使用 `drop_level` 参数并将其设置为 False 以避免删除级别。首先，导入所需的库 − `import pandas as pd` MultiIndex 是 Pandas 对象的多级或分层索引对象 − `multiIndex = pd.MultiIndex.from_arrays([list('pqrrss'), list('strvwx')], names=['One', 'Two'])` 显示 MultiIndex − `print("The MultiIndex...", multiIndex)` 获取位置和切片索引。为了避免删除级别，我们使用了值为 "False" 的 "drop_level" 参数 − `print("Get the location and sliced index (avoid dropping the level)...", multiIndex.get_loc_level('r', drop_level=False))` 示例 以下为代码 − `import pandas as ...` 阅读更多