当前位置: 首页 > news >正文

Python酷库之旅-第三方库Pandas(157)

目录

一、用法精讲

716、pandas.Timedelta.view方法

716-1、语法

716-2、参数

716-3、功能

716-4、返回值

716-5、说明

716-6、用法

716-6-1、数据准备

716-6-2、代码示例

716-6-3、结果输出

717、pandas.Timedelta.as_unit方法

717-1、语法

717-2、参数

717-3、功能

717-4、返回值

717-5、说明

717-6、用法

717-6-1、数据准备

717-6-2、代码示例

717-6-3、结果输出

718、pandas.Timedelta.ceil方法

718-1、语法

718-2、参数

718-3、功能

718-4、返回值

718-5、说明

718-6、用法

718-6-1、数据准备

718-6-2、代码示例

718-6-3、结果输出

719、pandas.Timedelta.floor方法

719-1、语法

719-2、参数

719-3、功能

719-4、返回值

719-5、说明

719-6、用法

719-6-1、数据准备

719-6-2、代码示例

719-6-3、结果输出

720、pandas.Timedelta.isoformat方法

720-1、语法

720-2、参数

720-3、功能

720-4、返回值

720-5、说明

720-6、用法

720-6-1、数据准备

720-6-2、代码示例

720-6-3、结果输出

二、推荐阅读

1、Python筑基之旅

2、Python函数之旅

3、Python算法之旅

4、Python魔法之旅

5、博客个人主页

一、用法精讲

716、pandas.Timedelta.view方法
716-1、语法
# 716、pandas.Timedelta.view方法
pandas.Timedelta.view(dtype)
Array view compatibility.Parameters:
dtype
str or dtype
The dtype to view the underlying data as.
716-2、参数

716-2-1、dtype(必须)str或numpy.dtype指定你希望将Timedelta对象视为的目标数据类型,通常,这个dtype会是时间相关的,比如'timedelta64[ns]'表示以纳秒为单位的时间间隔。

716-3、功能

        该方法的功能相当于让你以不同的数据类型“视图”来查看原本的Timedelta对象,在需要对底层数据表示进行不同方式的解读时非常有用。

716-4、返回值

        返回新的对象,该对象以指定的数据类型来表示原始的Timedelta对象。

716-5、说明

        无

716-6、用法
716-6-1、数据准备
716-6-2、代码示例
# 716、pandas.Timedelta.view方法
import pandas as pd
# 创建一个Timedelta对象
td = pd.Timedelta(days=2, hours=3, minutes=30)
# 查看原始对象
print('原始Timedelta:', td)
# 以纳秒为单位查看
td_ns_view = td.view('timedelta64[ns]')
print('以纳秒为单位的视图:', td_ns_view)
# 以微秒为单位查看
td_us_view = td.view('timedelta64[us]')
print('以微秒为单位的视图:', td_us_view)
# 以毫秒为单位查看
td_ms_view = td.view('timedelta64[ms]')
print('以毫秒为单位的视图:', td_ms_view)  
716-6-3、结果输出
# 716、pandas.Timedelta.view方法 
# 原始Timedelta: 2 days 03:30:00
# 以纳秒为单位的视图: 185400000000000 nanoseconds
# 以微秒为单位的视图: 185400000000000 microseconds
# 以毫秒为单位的视图: 185400000000000 milliseconds
717、pandas.Timedelta.as_unit方法
717-1、语法
# 717、pandas.Timedelta.as_unit方法
pandas.Timedelta.as_unit(unit, round_ok=True)
Convert the underlying int64 representation to the given unit.Parameters:
unit
{“ns”, “us”, “ms”, “s”}
round_ok
bool, default True
If False and the conversion requires rounding, raise.Returns:
Timedelta
717-2、参数

717-2-1、unit(必须)字符串,表示目标时间单位,可以是's'(秒),'ms'(毫秒),'us'(微秒)和'ns'(纳秒)中的一个。

717-2-2、round_ok(可选,默认值为True)布尔值,表示是否允许四舍五入,如果为True,则执行四舍五入;否则,不进行四舍五入。如果没有这种解释,将抛出错误。

717-3、功能

        允许你以不同时间单位查看或解释时间间隔数据,该方法可以帮助你便捷地转换时间间隔的单位。

717-4、返回值

        返回一个新的Timedelta对象,以指定的单位表示。

717-5、说明

        无

717-6、用法
717-6-1、数据准备
717-6-2、代码示例
# 717、pandas.Timedelta.as_unit方法
import pandas as pd
# 创建一个Timedelta对象
td = pd.Timedelta(days=2, hours=3, minutes=30)
# 以秒为单位查看
td_seconds = td.as_unit('s')
print('以秒为单位的Timedelta:', td_seconds)
# 以毫秒为单位查看
td_milliseconds = td.as_unit('ms')
print('以毫秒为单位的Timedelta:', td_milliseconds)
# 以纳秒为单位查看
td_nanoseconds = td.as_unit('ns')
print('以纳秒为单位的Timedelta:', td_nanoseconds)
717-6-3、结果输出
# 717、pandas.Timedelta.as_unit方法
# 以秒为单位的Timedelta: 2 days 03:30:00
# 以毫秒为单位的Timedelta: 2 days 03:30:00
# 以纳秒为单位的Timedelta: 2 days 03:30:00
718、pandas.Timedelta.ceil方法
718-1、语法
# 718、pandas.Timedelta.ceil方法
pandas.Timedelta.ceil(freq)
Return a new Timedelta ceiled to this resolution.Parameters:
freq
str
Frequency string indicating the ceiling resolution. It uses the same units as class constructor Timedelta.
718-2、参数

718-2-1、freq(必须)字符串,指定的频率字符串,用于定义时间间隔的上限,常见的频率字符串包括以下几种:

  • 'D':
  • 'h':小时
  • 'min':分钟
  • 's':
  • 'ms':毫秒
  • 'us':微秒
  • 'ns':纳秒
  • 还有其他的如月('M')、年('Y')等。不过,由于Timedelta的特性,年和月可能不太常用。
718-3、功能

        允许你将时间间隔数据四舍五入到指定频率的上限,这在处理时间数据时可能非常有用,尤其是当你需要将时间精度调整到特定的时间单位时。

718-4、返回值

        返回一个新的Timedelta对象,是将原始Timedelta对象向上四舍五入到最近的指定频率的结果。

718-5、说明

        无

718-6、用法
718-6-1、数据准备
718-6-2、代码示例
# 718、pandas.Timedelta.ceil方法
import pandas as pd
# 创建一个Timedelta对象
td = pd.Timedelta(days=2, hours=3, minutes=30, seconds=15)
# 向上四舍五入到最近的天
td_ceil_days = td.ceil('D')
print('四舍五入到天:', td_ceil_days)
# 向上四舍五入到最近的小时
td_ceil_hours = td.ceil('h')
print('四舍五入到小时:', td_ceil_hours)
# 向上四舍五入到最近的分钟
td_ceil_minutes = td.ceil('min')
print('四舍五入到分钟:', td_ceil_minutes)  # 输出: 2 days 03:31:00# 向上四舍五入到最近的秒
td_ceil_seconds = td.ceil('s')
print('四舍五入到秒:', td_ceil_seconds)
# 向上四舍五入到最近的毫秒
td_ceil_milliseconds = td.ceil('ms')
print('四舍五入到毫秒:', td_ceil_milliseconds)  
718-6-3、结果输出
# 718、pandas.Timedelta.ceil方法
# 四舍五入到天: 3 days 00:00:00
# 四舍五入到小时: 2 days 04:00:00
# 四舍五入到分钟: 2 days 03:31:00
# 四舍五入到秒: 2 days 03:30:15
# 四舍五入到毫秒: 2 days 03:30:15
719、pandas.Timedelta.floor方法
719-1、语法
# 719、pandas.Timedelta.floor方法
pandas.Timedelta.floor(freq)
Return a new Timedelta floored to this resolution.Parameters:
freq
str
Frequency string indicating the flooring resolution. It uses the same units as class constructor Timedelta.
719-2、参数

719-2-1、freq(必须)字符串,指定的频率字符串,用于定义时间间隔的上限,常见的频率字符串包括以下几种:

  • 'D':
  • 'h':小时
  • 'min':分钟
  • 's':
  • 'ms':毫秒
  • 'us':微秒
  • 'ns':纳秒
  • 还有其他的如月('M')、年('Y')等。不过,由于Timedelta的特性,年和月可能不太常用。
719-3、功能

        允许你将时间间隔数据向下取整到指定频率的下限,该方法在需要将时间精度调整到特定的时间单位时非常有用。

719-4、返回值

        返回一个新的Timedelta对象,是将原始Timedelta对象向下取整到最近的指定频率的结果。

719-5、说明

        无

719-6、用法
719-6-1、数据准备
719-6-2、代码示例
# 719、pandas.Timedelta.floor方法
import pandas as pd
# 创建一个Timedelta对象
td = pd.Timedelta(days=2, hours=3, minutes=30, seconds=15)
# 向下取整到最近的天
td_floor_days = td.floor('D')
print('向下取整到天:', td_floor_days)
# 向下取整到最近的小时
td_floor_hours = td.floor('h')
print('向下取整到小时:', td_floor_hours)
# 向下取整到最近的分钟
td_floor_minutes = td.floor('min')
print('向下取整到分钟:', td_floor_minutes)
# 向下取整到最近的秒
td_floor_seconds = td.floor('s')
print('向下取整到秒:', td_floor_seconds)  
# 向下取整到最近的毫秒
td_floor_milliseconds = td.floor('ms')
print('向下取整到毫秒:', td_floor_milliseconds)  
719-6-3、结果输出
# 719、pandas.Timedelta.floor方法 
# 向下取整到天: 2 days 00:00:00
# 向下取整到小时: 2 days 03:00:00
# 向下取整到分钟: 2 days 03:30:00
# 向下取整到秒: 2 days 03:30:15
# 向下取整到毫秒: 2 days 03:30:15
720、pandas.Timedelta.isoformat方法
720-1、语法
# 720、pandas.Timedelta.isoformat方法
pandas.Timedelta.isoformat()
Format the Timedelta as ISO 8601 Duration.P[n]Y[n]M[n]DT[n]H[n]M[n]S, where the [n] s are replaced by the values. See https://en.wikipedia.org/wiki/ISO_8601#Durations.Returns:
str
720-2、参数

        无

720-3、功能

        将时间差对象转换为一个标准化的字符串格式,方便进行存储和传输,特别是在需要遵循ISO 8601标准的场景中。

720-4、返回值

        返回一个字符串,该字符串表示Timedelta对象的长度,格式为P[n]Y[n]M[n]DT[n]H[n]M[n]S,其中:

  • P表示一个时间段。
  • YMD分别表示年、月、日。
  • T表示时间部分的开始。
  • HMS分别表示小时、分钟、秒。
720-5、说明

        无

720-6、用法
720-6-1、数据准备
720-6-2、代码示例
# 720、pandas.Timedelta.isoformat方法
import pandas as pd
# 创建一个Timedelta对象
td = pd.Timedelta(days=1, hours=5, minutes=30)
# 转换为ISO 8601格式
iso_str = td.isoformat()
print(iso_str)  
720-6-3、结果输出
# 720、pandas.Timedelta.isoformat方法  
# P1DT5H30M0S

二、推荐阅读

1、Python筑基之旅
2、Python函数之旅
3、Python算法之旅
4、Python魔法之旅
5、博客个人主页

相关文章:

Python酷库之旅-第三方库Pandas(157)

目录 一、用法精讲 716、pandas.Timedelta.view方法 716-1、语法 716-2、参数 716-3、功能 716-4、返回值 716-5、说明 716-6、用法 716-6-1、数据准备 716-6-2、代码示例 716-6-3、结果输出 717、pandas.Timedelta.as_unit方法 717-1、语法 717-2、参数 717-3、…...

【原创】java+springboot+mysql校园表白墙网站设计与实现

个人主页:程序猿小小杨 个人简介:从事开发多年,Java、Php、Python、前端开发均有涉猎 博客内容:Java项目实战、项目演示、技术分享 文末有作者名片,希望和大家一起共同进步,你只管努力,剩下的交…...

CSS学习(Grid布局和flex布局比较)

grid网格布局真香,比flex方便太多了,grid-template-columns用法 文章目录 flex布局的时候网格grid布局的时候可以修改某一列的像素可以修改某一列的宽度占比自适应屏幕分列让第一个元素长宽都占2个 flex布局的时候 最后一行不够4个的时候 最下面一行无法…...

RTThread-Nano学习二-RT-Thread启动流程

一、简介 上一章,我们已经了解了如何通过MDK来移植RTT,不熟悉的可以看如下链接:RTThread-Nano学习一-基于MDK移植-CSDN博客本章我们就来继续了解一下,RTT的启动流程。 二、启动流程 官方给了一幅非常清晰的启动流程图&am…...

排查sshfs挂载失败的问题

#排查sshfs挂载失败的问题 写代码在Linux上运行,但是熟悉的IDE(比如VS code)在自己的电脑上,可以使用sshfs把linux上的目录挂载到本地,再用VScode打开即可,可以使用下面的命令: sshfs -odebug…...

【002】基于Spring Boot+Unipp的古诗词学习小程序【原创】

一.系统开发工具与环境搭建 1.系统设计开发工具 后端使用Java编程语言的Spring boot框架 项目架构:B/S架构 运行环境:win10/win11、jdk17 前端: 技术:框架Vue.js;UI库:ElementUI; 开发工具&…...

PageHelper循环依赖问题

1. 问题 2. 原因 项目中SpringBoot的版本为2.7.18。 SpringBoot2.6.x后不推荐使用循环依赖,也就是说从2.6.x版本开始,如果项目里还存在循环依赖,SpringBoot将拒绝启动! 3. 解决 去pageHelper github看,才看到新版本…...

k8s部署Kafka集群超详细讲解

准备部署环境 Kubernetes集群信息 NAMEVERSIONk8s-masterv1.29.2k8s-node01v1.29.2k8s-node02v1.29.2 Kafka:3.7.1版本,apche版本 Zookeeper:3.6.3版本 准备StorageClass # kubectl get sc NAME PROVISIONER RECLA…...

【数据采集工具】Sqoop从入门到面试学习总结

国科大学习生活(期末复习资料、课程大作业解析、大厂实习经验心得等): 文章专栏(点击跳转) 大数据开发学习文档(分布式文件系统的实现,大数据生态圈学习文档等): 文章专栏(点击跳转&…...

Matlab绘图总结(进阶)

本文在前文的基础上进一步整理画图方法 MATLAB画动图_CSDN博客 1. 基础图形绘制 1.1 rectangle(矩形,圆形) 在前文中,讲解了如何使用rectangle,rectangle本意是用来画矩形的,其中,Curvature可…...

QExcel 保存数据 (QtXlsxWriter库 编译)

QtXlsxWriter 是一个用于在 Qt 应用程序中创建和操作 Excel XLSX 文件的库。它提供了一个简单的 API,使开发者能够轻松地生成和修改 Excel 文件,而无需依赖 Microsoft Excel 或其他外部应用程序。支持初始化、写文件、读文件、格式设置、合并单元格、加粗…...

k8s ETCD数据备份与恢复

在 Kubernetes 集群中,etcd 是一个分布式键值存储,它保存着整个集群的状态,包括节点、Pod、ConfigMap、Secrets 等关键信息。因此,定期对 etcd 进行备份是非常重要的,特别是在集群发生故障或需要恢复数据的情况下。本文…...

【C语言】循环嵌套:乘法表

循环嵌套&#xff0c;外层循环执行一次&#xff0c;内层循环执行i次。分别控制 在循环的过程中加一层循环。 多层循环属于循环嵌套、嵌套循环 #include <stdio.h> #include <math.h> /* 功能&#xff1a;循环嵌套 乘法表 时间&#xff1a;2024年10月 地点&#xf…...

基于Java微信小程序的水果销售系统详细设计和实现(源码+lw+部署文档+讲解等)

详细视频演示 请联系我获取更详细的演示视频 项目运行截图 技术框架 后端采用SpringBoot框架 Spring Boot 是一个用于快速开发基于 Spring 框架的应用程序的开源框架。它采用约定大于配置的理念&#xff0c;提供了一套默认的配置&#xff0c;让开发者可以更专注于业务逻辑而不…...

从0开始深度学习(11)——多层感知机

前面介绍了线性神经网络&#xff0c;但是线性模型是有可能出错的&#xff0c;因为线性模型意味着是单调假设&#xff0c;但是现实中往往很复杂。例如&#xff0c;我们想要根据体温预测死亡率。 对体温高于37摄氏度的人来说&#xff0c;温度越高风险越大。 然而&#xff0c;对体…...

SQL语句查询

SQL语句查询 查询产生一个虚拟表 看到的是表形式显示的结果&#xff0c;但结果并不真正存储 每次执行查询只是从数据表中提取数据&#xff0c;并按照表的形式显示出来 查询语法 SELECT <列名> FROM <表名> [WHERE <查询条件表达式>] SELECT …...

OSI参考模型与TCP/IP模型

OSI参考模型 物理层 定义电压、接口、线缆标准、传输距离、传输介质等物理参数。数据链路层&#xff08;确定范围里的某一个&#xff09; MAC地址寻址网络层&#xff08;确定一个范围&#xff09; 网络地址层寻址、路由传输层&#xff08;区分不同的程序&#xff09; 数据分段…...

深度学习-26-基于PyTorch的多层感知机DNN

文章目录 1 代码分析1.1 加载数据集1.2 定义模型1.3 定义损失函数和优化器1.4 定义训练函数1.4.1 定义累加器Accumulator1.4.2 计算准确率accuracy1.4.3 评估函数evaluate_accuracy1.4.4 单轮训练函数train_epoch1.4.5 训练函数train1.2 执行训练2 整体代码3 参考附录1 代码分析…...

华为杯”第十三届中国研究生数学建模竞赛-B题:具有遗传性疾病和性状的遗传位点分析(附MATLAB代码实现)

目录 摘要: 1. 问题重述 1.1 问题背景 1.2 待解决问题 2. 符号说明 3. 问题一 3.1 问题分析 3.2 问题解决 4. 问题二 4.1 问题分析 4.2 问题解决 5. 问题三 5.1 问题分析 5.2 问题解决 6. 问题四 6.1 问题分析 6.2 问题解决 7. 总结 参考文献 代码实现 摘要: 人体的每条染色…...

滚雪球学Redis[8.2讲]:Redis的未来发展趋势:从云服务到AI与物联网的前沿探索

全文目录&#xff1a; &#x1f389;前言&#x1f504;Redis在云服务中的应用&#x1fa81;1. Redis作为云缓存服务&#x1fa84;示例&#xff1a;使用AWS ElastiCache Redis实例 &#x1f3ae;️2. 云原生应用中的持久化与高可用 ⚙️Redis 6.x及后续版本的新特性&#x1f579…...

理解 MCP 工作流:使用 Ollama 和 LangChain 构建本地 MCP 客户端

&#x1f31f; 什么是 MCP&#xff1f; 模型控制协议 (MCP) 是一种创新的协议&#xff0c;旨在无缝连接 AI 模型与应用程序。 MCP 是一个开源协议&#xff0c;它标准化了我们的 LLM 应用程序连接所需工具和数据源并与之协作的方式。 可以把它想象成你的 AI 模型 和想要使用它…...

DAY 47

三、通道注意力 3.1 通道注意力的定义 # 新增&#xff1a;通道注意力模块&#xff08;SE模块&#xff09; class ChannelAttention(nn.Module):"""通道注意力模块(Squeeze-and-Excitation)"""def __init__(self, in_channels, reduction_rat…...

条件运算符

C中的三目运算符&#xff08;也称条件运算符&#xff0c;英文&#xff1a;ternary operator&#xff09;是一种简洁的条件选择语句&#xff0c;语法如下&#xff1a; 条件表达式 ? 表达式1 : 表达式2• 如果“条件表达式”为true&#xff0c;则整个表达式的结果为“表达式1”…...

苍穹外卖--缓存菜品

1.问题说明 用户端小程序展示的菜品数据都是通过查询数据库获得&#xff0c;如果用户端访问量比较大&#xff0c;数据库访问压力随之增大 2.实现思路 通过Redis来缓存菜品数据&#xff0c;减少数据库查询操作。 缓存逻辑分析&#xff1a; ①每个分类下的菜品保持一份缓存数据…...

vue3 定时器-定义全局方法 vue+ts

1.创建ts文件 路径&#xff1a;src/utils/timer.ts 完整代码&#xff1a; import { onUnmounted } from vuetype TimerCallback (...args: any[]) > voidexport function useGlobalTimer() {const timers: Map<number, NodeJS.Timeout> new Map()// 创建定时器con…...

现代密码学 | 椭圆曲线密码学—附py代码

Elliptic Curve Cryptography 椭圆曲线密码学&#xff08;ECC&#xff09;是一种基于有限域上椭圆曲线数学特性的公钥加密技术。其核心原理涉及椭圆曲线的代数性质、离散对数问题以及有限域上的运算。 椭圆曲线密码学是多种数字签名算法的基础&#xff0c;例如椭圆曲线数字签…...

ElasticSearch搜索引擎之倒排索引及其底层算法

文章目录 一、搜索引擎1、什么是搜索引擎?2、搜索引擎的分类3、常用的搜索引擎4、搜索引擎的特点二、倒排索引1、简介2、为什么倒排索引不用B+树1.创建时间长,文件大。2.其次,树深,IO次数可怕。3.索引可能会失效。4.精准度差。三. 倒排索引四、算法1、Term Index的算法2、 …...

OPENCV形态学基础之二腐蚀

一.腐蚀的原理 (图1) 数学表达式&#xff1a;dst(x,y) erode(src(x,y)) min(x,y)src(xx,yy) 腐蚀也是图像形态学的基本功能之一&#xff0c;腐蚀跟膨胀属于反向操作&#xff0c;膨胀是把图像图像变大&#xff0c;而腐蚀就是把图像变小。腐蚀后的图像变小变暗淡。 腐蚀…...

10-Oracle 23 ai Vector Search 概述和参数

一、Oracle AI Vector Search 概述 企业和个人都在尝试各种AI&#xff0c;使用客户端或是内部自己搭建集成大模型的终端&#xff0c;加速与大型语言模型&#xff08;LLM&#xff09;的结合&#xff0c;同时使用检索增强生成&#xff08;Retrieval Augmented Generation &#…...

安宝特方案丨船舶智造的“AR+AI+作业标准化管理解决方案”(装配)

船舶制造装配管理现状&#xff1a;装配工作依赖人工经验&#xff0c;装配工人凭借长期实践积累的操作技巧完成零部件组装。企业通常制定了装配作业指导书&#xff0c;但在实际执行中&#xff0c;工人对指导书的理解和遵循程度参差不齐。 船舶装配过程中的挑战与需求 挑战 (1…...