pandas 之时间排序_pandas按时间排序

                                                                  时间排序

在 pandas 中，有一个非常常用的函数 date_range，尤其是在处理时间序列数据时，这个函数的作用就是产生一个 DatetimeIndex，就是时间序列数据的索引。

pandas.date_range(start=None, end=None, periods=None, freq=None, tz=None, normalize=False, name=None, closed=None, **kwargs) → pandas.core.indexes.datetimes.DatetimeIndex

返回一个固定频率的DatetimeIndex。

参数：

    start：str 或 datetime-like，可选，默认值是None，表示日期的起点。

    end：str 或 datetime-like，可选，默认值是None，表示日期的终点。

    periods：int，可选，默认值是None，表示你要从和这个函数产生多少个日期索引值（要生成的周期数）；如果是None的话，那么 start 和 end 必须不能为 None。

    freq：str 或 DateOffset，默认 “D”，表示以自然日为单位，这个参数用来指定计时单位，比如 “5H”表示每隔5个小时计算一次。

    tz：str 或 tzinfo，可选，返回本地化的DatetimeIndex的时区名称，例如' Asia/Hong_Kong '。默认情况下，生成的DatetimeIndex是与时区无关的。

normalize：bool，默认 False。如果为 True 的话，那么在产生时间索引值之前会先把 start 和 end 都转化为当日的午夜 0 点。

name：str，默认 None。给返回的时间索引指定一个名字。

closed：{None, ‘left’, ‘right’}，可选。默认值为 None，表示 start 和 end 这个区间端点是否包含在区间内，可以有三个值，“left” 表示左闭右开区间，“right” 表示左开右闭区间，None 表示两边都是闭区间。

**kwargs：兼容性，对结果没影响。

import pandas as pd, numpy as np
 
# 创建时间序列（默认 freq="D"）
time_index = pd.date_range(start="2020-03-01", end="2020-03-15")
print(time_index)
# 运行结果：
DatetimeIndex(['2020-03-01', '2020-03-02', '2020-03-03', '2020-03-04',
               '2020-03-05', '2020-03-06', '2020-03-07', '2020-03-08',
               '2020-03-09', '2020-03-10', '2020-03-11', '2020-03-12',
               '2020-03-13', '2020-03-14', '2020-03-15'],
              dtype='datetime64[ns]', freq='D')
 
# 创建 10 个时间序列
time_index02 = pd.date_range(start="2020-03-01", periods=10)
print(time_index02)
# 运行结果：
DatetimeIndex(['2020-03-01', '2020-03-02', '2020-03-03', '2020-03-04',
               '2020-03-05', '2020-03-06', '2020-03-07', '2020-03-08',
               '2020-03-09', '2020-03-10'],
              dtype='datetime64[ns]', freq='D')
 
# 创建一个时间序列，步长 3 天
time_index03 = pd.date_range(start="2020-03-01", periods=10, freq="3D")
print(time_index03)
# 运行结果：
DatetimeIndex(['2020-03-01', '2020-03-04', '2020-03-07', '2020-03-10',
               '2020-03-13', '2020-03-16', '2020-03-19', '2020-03-22',
               '2020-03-25', '2020-03-28'],
              dtype='datetime64[ns]', freq='3D')
 
# 创建一个时间序列，以分钟为步长
time_index04 = pd.date_range(start="2020-03-01", periods=10, freq="S")
print(time_index04)
# 运行结果：
DatetimeIndex(['2020-03-01 00:00:00', '2020-03-01 00:00:01',
               '2020-03-01 00:00:02', '2020-03-01 00:00:03',
               '2020-03-01 00:00:04', '2020-03-01 00:00:05',
               '2020-03-01 00:00:06', '2020-03-01 00:00:07',
               '2020-03-01 00:00:08', '2020-03-01 00:00:09'],
              dtype='datetime64[ns]', freq='S')
 
data = np.random.randint(3000, 3010, 10)
print(data)
# 运行结果：
[3001 3005 3001 3009 3002 3008 3002 3000 3001 3003]
 
time_index05 = pd.Series(data, time_index04)
print(time_index05)
# 运行结果：
2020-03-01 00:00:00    3001
2020-03-01 00:00:01    3005
2020-03-01 00:00:02    3001
2020-03-01 00:00:03    3009
2020-03-01 00:00:04    3002
2020-03-01 00:00:05    3008
2020-03-01 00:00:06    3002
2020-03-01 00:00:07    3000
2020-03-01 00:00:08    3001
2020-03-01 00:00:09    3003
Freq: S, dtype: int32