Python Pandas DatetimeIndex.to_perioddelta()

Python是一种进行数据分析的伟大语言，主要是因为以数据为中心的Python包的奇妙生态系统。Pandas就是这些包中的一个，它使导入和分析数据变得更加容易。

Pandas DatetimeIndex.to_perioddelta()函数计算指数值与指数在指定频率下转换为periodIndex的差异的TimedeltaIndex。它用于矢量化的偏移。

语法: DatetimeIndex.to_perioddelta(freq)

参数 :
freq : pandas的一个偏移字符串或一个Offset对象。默认情况下会被推断出来

返回 : TimedeltaIndex

例子#1：使用DatetimeIndex.to_perioddelta()函数来计算指数值与指数转换为指定频率的periodIndex之间的差异TomedeltaIndex。

# importing pandas as pd
import pandas as pd
  
# Create the DatetimeIndex
# Here 'S' represents secondly frequency 
didx = pd.DatetimeIndex(start ='2018-11-15 09:45:10', freq ='S', periods = 5)
  
# Print the DatetimeIndex
print(didx)

输出 :

现在我们要计算指数值和指数转换为periodIndex的差异的TimedeltaIndex。

# calculate the TimedeltaIndex 
# 'T' represents minute based frequency
didx.to_perioddelta('T')

输出 :

正如我们在输出中看到的，返回的索引值和索引之间的差值转换为periodIndex。

示例#2：使用DatetimeIndex.to_perioddelta()函数来计算指数值与指数在指定频率下转换为periodIndex的差异的TomedeltaIndex。

# importing pandas as pd
import pandas as pd
  
# Create the DatetimeIndex
# Here 'T' represents minutely frequency 
didx = pd.DatetimeIndex(start ='2015-03-02 01:15:12', freq ='T', periods = 5)
  
# Print the DatetimeIndex
print(didx)

输出 :

现在我们要计算指数值和指数转换为periodIndex的差异的TimedeltaIndex。

# calculate the TimedeltaIndex 
# 'H' represents hourly frequency
didx.to_period('H')

输出 :

正如我们在输出中看到的，返回的索引值和索引之间的差值转换为periodIndex。