首页 > 其他分享 >【Pandas】pandas interval_range

【Pandas】pandas interval_range

时间:2024-12-15 16:30:33浏览次数:12  
标签:00 01 interval range 2023 区间 Pandas

Pandas2.2 General

Top-level dealing with Interval data

方法描述
interval_range([start, end, periods, freq, …])用于生成固定长度的区间序列

pandas.interval_range()

pandas.interval_range() 是 Pandas 库中用于生成固定频率的 Interval 对象的函数。这些 Interval 对象表示的是一系列连续的、非重叠的区间。下面是对 pandas.interval_range() 函数每个参数的详细介绍,以及示例和结果。

def interval_range(
    start=None,
    end=None,
    periods=None,
    freq=None,
    name: Hashable | None = None,
    closed: IntervalClosedType = "right",
) -> IntervalIndex:
   ...
参数介绍
  1. start : float, int, datetime-like, or Period-like, optional

    • 区间范围的起始值。
    • 默认为 0。
  2. end : float, int, datetime-like, or Period-like, optional

    • 区间范围的结束值。
    • 默认为 10。
  3. periods : int, optional

    • 要生成的区间数量。
    • 如果指定了 periods,则 startend 参数将被忽略。
    • 默认为 50。
  4. freq : str or DateOffset, optional

    • 每个区间之间的频率间隔。
    • 对于数值类型,可以是如 ‘D’(天)、‘H’(小时)、‘T’/‘min’(分钟)、‘S’(秒)等。
    • 对于日期时间类型,可以是如 ‘D’(日)、‘W’(周)、‘M’(月)、‘Q’(季度)、‘A’/‘Y’(年)等。
    • 默认为 ‘D’(对于日期时间类型)或 1(对于数值类型)。
  5. name : str, optional

    • 返回的 IntervalIndex 的名称。
    • 默认为 None。
  6. closed : {‘left’, ‘right’, ‘both’, ‘neither’}, default ‘right’

    • 区间的闭合性。
    • ‘left’:区间左闭右开。
    • ‘right’:区间左开右闭(默认)。
    • ‘both’:区间两端都闭合。
    • ‘neither’:区间两端都不闭合。
示例 1:生成数值区间
import pandas as pd

# 生成从0到9的整数区间,每个区间间隔为1
intervals = pd.interval_range(start=0, end=10, freq=1)
print(intervals)

结果

IntervalIndex([(0, 1], (1, 2], (2, 3], (3, 4], (4, 5], (5, 6], (6, 7], (7, 8],
               (8, 9], (9, 10]],
              dtype='interval[int64, right]')
示例 2:生成日期时间区间
import pandas as pd

# 生成从2023-01-01到2023-01-05的日期时间区间,每个区间间隔为1天
intervals = pd.interval_range(start=pd.Timestamp('2023-01-01'), end=pd.Timestamp('2023-01-05'))
print(intervals)

结果

IntervalIndex([(2023-01-01 00:00:00, 2023-01-02 00:00:00],
               (2023-01-02 00:00:00, 2023-01-03 00:00:00],
               (2023-01-03 00:00:00, 2023-01-04 00:00:00],
               (2023-01-04 00:00:00, 2023-01-05 00:00:00]],
              dtype='interval[datetime64[ns], right]')
示例 3:指定区间数量
import pandas as pd

# 生成5个从0开始的整数区间,每个区间间隔为2
intervals = pd.interval_range(start=0, periods=5, freq=2)
print(intervals)

结果

IntervalIndex([(0, 2], (2, 4], (4, 6], (6, 8], (8, 10]], dtype='interval[int64, right]')
示例 4:指定区间闭合性
import pandas as pd

# 生成从0到4的整数区间,每个区间间隔为1,区间左闭右开
intervals = pd.interval_range(start=0, end=5, freq=1, closed='left')
print(intervals)

结果

IntervalIndex([[0, 1), [1, 2), [2, 3), [3, 4), [4, 5)], dtype='interval[int64, left]')

这些示例展示了如何使用 pandas.interval_range() 函数生成不同类型的区间,并可以根据需要调整参数来生成所需的区间范围。

标签:00,01,interval,range,2023,区间,Pandas
From: https://blog.csdn.net/weixin_39648905/article/details/144488093

相关文章

  • 【Pandas】pandas eval
    Top-levelevaluation方法描述eval(expr[,parser,engine,local_dict,…])用于在传入的字符串形式的表达式上进行高效计算的函数pandas.eval()pandas.eval()是Pandas库中用于高效计算表达式的函数。它利用NumExpr库(如果已安装)来加速算术运算,并且可以直接操作Pan......
  • Pandas 核心内容
    构造DataFramedata=np.random.randint(0,100,size=(3,4))index=['tom','lucy','alex']columns=['语文','mathematics','physics','chemistry']pd.DataFrame(data=data,index=index,colum......
  • python3安装pandas
    检查安装环境检查python版本python--version检查pip版本pip--version检查安装列表piplist安装pandaspip3installpandas这是从官方下载安装,速度比较慢,可以使用国内镜像站清华:https://pypi.tuna.tsinghua.edu.cn/simple阿里云:http://mirrors.aliyun.com/py......
  • 【Pandas】pandas infer_freq
    Pandas2.2GeneralTop-leveldealingwithdatetimelikedata方法描述to_datetime(arg[,errors,dayfirst,…])用于将对象数据(如字符串)转换为日期时间类型to_timedelta(arg[,unit,errors])用于将对象数据(如字符串)转换为时间差类型date_range([start,end,periods,fr......
  • 【Pandas】pandas timedelta_range
    Pandas2.2GeneralTop-leveldealingwithdatetimelikedata方法描述to_datetime(arg[,errors,dayfirst,…])用于将对象数据(如字符串)转换为日期时间类型to_timedelta(arg[,unit,errors])用于将对象数据(如字符串)转换为时间差类型date_range([start,end,periods,fr......
  • 利用Numpy和Pandas浏览数据
    我们先通过一个示例来看一下Numpy的作用:通过示例我们可以看到,相比较于普通列表的乘2只是重复两次相同数据,导入Numpy模块后,其元素会是真正数学意义上的乘二。因为Numpy数组是专门为支持数字数据的数学运算而设计的,这使得它们对于数据分析比一般列表更有用。我们通过类型还注......
  • 在Elasticsearch (ES) 中,integer 和 integer_range的区别
    在Elasticsearch(ES)中,integer和integer_range是两种不同的字段类型,它们用于存储和查询不同类型的数据。Integer:integer类型是用于存储32位整数值的简单数据类型。这个类型的字段适合用来表示单一的整数数值,例如用户的年龄、商品的数量等。支持标准的数值操作......
  • 油猴(Tampermonkey)时间加速、定时器setInterval、setTimeout
    时间加速网页主要使用一些定时器来作为时间间隔,可以劫持比如setInterval函数,将定时器的时间缩短。举例://将系统的setInterval保存lethookInterval=window.setInterval;//使用函数将时间缩短一半window.setInterval=function(a,b){returnhookInterval(a,b/2);}网络......
  • 解决Pandas的to_excel()写入不同Sheet,而不会被重写
    一、问题描述在使用Pandas的to_excel()方法写入数据时,当我们想将多个数据写入一个Excel表的不同DataFrame中,虽然能够指定sheet_name参数,但是会重写整个Excel之后才会存储。现在有3个sheet,内容如下:>>>importpandasaspd>>>df1=pd.read_excel('456.xlsx',sheet_name='Sh......
  • 关于数据处理模块pandas
    前言:Pandas库是一个免费、开源的第三方Python库,是Python数据分析必不可少的工具之一,它为Python数据分析提供了高性能,且易于使用的数据结构,即Series和DataFrame。Pandas自诞生后被应用于众多的领域,比如金融、统计学、社会科学、建筑工程等。但想学习的人注意了,孔子有......