pandas 生成以0、1、2、3、4、、、23整小时的时间序列

简介: 最近,在处理一些数据时,数据每5分钟进行一次采样,但是我需要提取每个整小时的数据进行分析。大致思路是,先生成一个以整小时为序列的数组,然后通过判断数据是否有满足这个生成的时间序列的time,进行提取。

最近,在处理一些数据时,数据每5分钟进行一次采样,但是我需要提取每个整小时的数据进行分析。


大致思路是,先生成一个以整小时为序列的数组,然后通过判断数据是否有满足这个生成的时间序列的time,进行提取。下面是创建整小时时间序列的方法,以2021年6月为例:


import pandas as pd
from datetime import datetime
start = datetime(2021, 6, 1)
end = datetime(2021, 6, 30,23)
tm = pd.date_range(start, end, freq='H')#H表示小时hour
#data['TIME']=pd.to_datetime(data['TIME'])

创建完成之后,如下显示:


3cdb933742424b38bc6481dc23ddfd16.png


很理想,一次完成~有兴趣的小伙伴们赶快尝试一下吧!

                                 一个努力学习python的海洋菜鸡
                                     水平有限,欢迎指正!!!
                                  欢迎关注、点赞、评论、收藏。


相关文章
|
11月前
|
机器学习/深度学习 算法 物联网
时间序列的重采样和pandas的resample方法介绍
重采样是时间序列分析中处理时序数据的一项基本技术。它是关于将时间序列数据从一个频率转换到另一个频率,它可以更改数据的时间间隔,通过上采样增加粒度,或通过下采样减少粒度。在本文中,我们将深入研究Pandas中重新采样的关键问题。
109 1
|
3月前
|
数据挖掘 数据处理 索引
Pandas中级教程——时间序列数据处理
Pandas中级教程——时间序列数据处理
118 7
|
10月前
|
数据可视化 数据挖掘 数据处理
【100天精通Python】Day58:Python 数据分析_Pandas时间序列数据处理,创建和解析时间数据pd.to_datetime(),.loc[],resample() 用法示例
【100天精通Python】Day58:Python 数据分析_Pandas时间序列数据处理,创建和解析时间数据pd.to_datetime(),.loc[],resample() 用法示例
467 0
|
缓存 Unix 索引
Pandas中to_datetime()转换时间序列函数一文详解
Pandas中to_datetime()转换时间序列函数一文详解
2407 0
Pandas中to_datetime()转换时间序列函数一文详解
|
机器学习/深度学习 Python
时间序列特征提取的Python和Pandas代码示例
使用Pandas和Python从时间序列数据中提取有意义的特征,包括移动平均,自相关和傅里叶变换。
180 0
|
存储 算法 数据挖掘
Pandas处理时间序列数据的20个关键知识点
Pandas处理时间序列数据的20个关键知识点
319 0
Pandas处理时间序列数据的20个关键知识点
|
机器学习/深度学习 人工智能 自然语言处理
Pandas中你一定要掌握的时间序列相关高级功能 ⛵
本文讲解Pandas工具库几个核心函数,能高效处理时间序列:resample、shift、rolling。帮你得心应手处理时间序列数据!
823 2
Pandas中你一定要掌握的时间序列相关高级功能 ⛵
|
传感器 数据可视化 数据处理
3个用于时间序列数据整理的Pandas函数
本文将演示 3 个处理时间序列数据最常用的 pandas 操作
113 0
3个用于时间序列数据整理的Pandas函数
|
机器学习/深度学习 API Python
使用Pandas的resample函数处理时间序列数据的技巧
使用Pandas的resample函数处理时间序列数据的技巧
319 0
使用Pandas的resample函数处理时间序列数据的技巧
|
数据处理 数据库 索引
一文速学-Pandas处理时间序列数据操作详解
一文速学-Pandas处理时间序列数据操作详解
205 0
一文速学-Pandas处理时间序列数据操作详解