章节总览
本部分覆盖 pandas 2.3.3 中日期时间与时间序列的完整知识体系,包含时间对象、创建方法、时间索引、
.dt访问器、时间序列操作、时区处理与日期偏移七大模块。
📚 子笔记导航
| 子章节 | 笔记 | 核心内容 |
|---|---|---|
| 1. 时间对象 | 9.1 时间对象 | Timestamp、Timedelta、Period、DateOffset、NaT |
| 2. 创建方法 | 9.2 创建方法 | to_datetime、date_range、period_range 等 |
| 3. 时间索引 | 9.3 时间索引 | DatetimeIndex、TimedeltaIndex、PeriodIndex、频率字符串 |
| 4. .dt 访问器 | 9.4 .dt 访问器 | 日期组件、日历属性、星期属性、判断属性与方法 |
| 5. 时间序列操作 | 9.5 时间序列操作 | shift、asfreq、resample、rolling、at_time 等 |
| 6. 时区处理 | 9.6 时区处理 | tz_localize、tz_convert、夏令时、UTC |
| 7. 日期偏移 | 9.7 日期偏移 | DateOffset、BDay、CustomBusinessDay、节假日日历 |
🧭 核心概念速览
一句话总结
pandas 提供完整的时间序列工具链:时间对象 表示单个时刻或区间,创建方法 批量生成时间序列,时间索引 作为轴标签实现对齐与切片,
.dt访问器 提取时间组件,时区处理 统一标准时间,日期偏移 实现日历规则下的频率计算。
🔗 相关章节
- 2.3 Index - DatetimeIndex、TimedeltaIndex、PeriodIndex 的详细属性与方法
- index datetime64、timedelta64、
period[D]等 dtype - 十六、分组与聚合 - 时间重采样(
groupby(pd.Grouper(freq=...))) - 十七、窗口计算 - 时间窗口
rolling()与ewm() - 十八、统计与数学计算 - 时间序列上的统计计算