Python Pandas Series.dt.to_period

Series.dt可以用来访问系列的数值，作为数据时间，并返回几个属性。Pandas Series.dt.to_period()函数将给定系列对象的底层数据按特定频率投递到PeriodArray/Index。

语法: Series.dt.to_period(*args, **kwargs)

参数:
freq : string or Offset, 可选
返回 : PeriodArray/Index

例子#1：使用Series.dt.to_period()函数将给定系列对象的基础数据转换为每周频率的指数。

# importing pandas as pd
import pandas as pd
 
# Creating the Series
sr = pd.Series(['2012-12-31', '2019-1-1 12:30', '2008-02-2 10:30',
               '2010-1-1 09:25', '2019-12-31 00:00'])
 
# Creating the index
idx = ['Day 1', 'Day 2', 'Day 3', 'Day 4', 'Day 5']
 
# set the index
sr.index = idx
 
# Convert the underlying data to datetime
sr = pd.to_datetime(sr)
 
# Print the series
print(sr)

输出 :

现在我们将使用Series.dt.to_period()函数将给定系列对象的基础数据转换为每周频率的指数。

# cast to target frequency
result = sr.dt.to_period(freq = 'W')
 
# print the result
print(result)

输出 :

正如我们在输出中看到的，Series.dt.to_period()函数已经成功地将数据转换为目标频率。
示例#2 :使用Series.dt.to_period()函数将给定系列对象的基础数据转换为两年频率的指数。

# importing pandas as pd
import pandas as pd
 
# Creating the Series
sr = pd.Series(pd.date_range('2012-12-31 00:00', periods = 5, freq = 'D',
                            tz = 'US / Central'))
 
# Creating the index
idx = ['Day 1', 'Day 2', 'Day 3', 'Day 4', 'Day 5']
 
# set the index
sr.index = idx
 
# Print the series
print(sr)

输出 :

现在我们将使用Series.dt.to_period()函数将给定系列对象的基础数据转换为两年频率的指数。

# cast to target frequency
result = sr.dt.to_period(freq = '2Y')
 
# print the result
print(result)

输出 :

正如我们在输出中看到的，Series.dt.to_period()函数已经成功地将数据转换为目标频率。