Python| Pandas Series.dt.to_period

Series.dt 可用于以 datetimelike 的形式访问系列的值并返回多个属性。 Pandas Series.dt.to_period()函数以特定频率将给定 Series 对象的基础数据转换为 PeriodArray/Index。

Syntax: Series.dt.to_period(*args, **kwargs)
Parameter : 
freq : string or Offset, optional
Returns : PeriodArray/Index
 

示例 #1：使用 Series.dt.to_period()函数将给定系列对象的基础数据以每周频率转换为索引。

Python3

# 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以每周频率转换为索引。

Python3

# 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()函数已成功地将数据转换为目标频率。
示例 #2：使用 Series.dt.to_period()函数以两年的频率将给定系列对象的基础数据转换为索引。

Python3

# 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以两年的频率转换为 Index。

Python3

# 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()函数已成功地将数据转换为目标频率。