import pandas as pd date_number = input() # ********** Begin ********** # date_time = pd.date_range(date_number,periods=10,freq="D") print(date_time) # print(date1.to_timestamp()) date1 = pd.period_range(date_number,periods=10,freq="D") print(date1) # print(date_time.to_period("D")) date_time = pd.timedelta_range("1 hours",periods=10,freq="H") print(date_time) # ********** End ********** #
时间: 2025-05-23 11:12:38 浏览: 27
### 使用 Pandas 生成日期和时间范围的代码示例
以下是关于 `pandas` 中生成日期和时间范围的相关方法及其具体代码示例:
#### 1. `date_range()` 示例
`date_range()` 可用于生成具有固定频率的日期时间序列。此函数支持多种参数配置,例如起始日期 (`start`)、结束日期 (`end`) 和频率 (`freq`)。
```python
import pandas as pd
# 基本用法:生成从 '2023-01-01' 到 '2023-01-10' 的每日日期序列
daily_dates = pd.date_range(start='2023-01-01', end='2023-01-10')
print(daily_dates)
# 指定时间段内的每周一日期序列
weekly_monday_dates = pd.date_range(start='2023-01-01', periods=5, freq='W-MON')
print(weekly_monday_dates)
```
以上代码展示了两种常见场景下的应用方式[^2]。
---
#### 2. `period_range()` 示例
`period_range()` 能够生成固定的周期序列,适用于按年、季度、月或其他自定义周期生成数据。
```python
# 生成从 '2023-01' 到 '2023-06' 的每月周期序列
monthly_periods = pd.period_range(start='2023-01', end='2023-06', freq='M')
print(monthly_periods)
# 生成从 '2023Q1' 开始的每季度周期序列
quarterly_periods = pd.period_range(start='2023Q1', periods=4, freq='Q')
print(quarterly_periods)
```
通过设置不同的频率参数(如 `'M'` 表示月份,`'Q'` 表示季度),可以灵活控制生成的周期类型[^4]。
---
#### 3. `timedelta_range()` 示例
`timedelta_range()` 主要用于创建表示时间间隔的对象序列,适合处理持续时间和增量计算。
```python
# 创建一个从 0 天到 9 天的时间差序列
time_deltas = pd.timedelta_range(start='0 days', end='9 days', freq='D')
print(time_deltas)
# 创建一个以小时为单位的时间差序列
hourly_time_deltas = pd.timedelta_range(start='0 hours', periods=5, freq='H')
print(hourly_time_deltas)
```
该方法能够有效管理涉及时间跨度的数据集操作[^1]。
---
### 总结
上述三种方法分别针对不同需求提供了强大的功能支持:
- `date_range()` 适于常规日期时间序列;
- `period_range()` 面向特定周期分析;
- `timedelta_range()` 关注时间差异建模。
这些工具共同构成了 Pandas 对时间序列的强大处理能力。
阅读全文
相关推荐










