pandas.TimedeltaIndex # 熊猫类 。TimedeltaIndex ( data = None , unit = _NoDefault.no_default , freq = _NoDefault.no_default , close = _NoDefault.no_default , dtype = None , copy = False , name = None ) [来源] # timedelta64 数据的不可变索引。 内部表示为 int64,标量返回 Timedelta 对象。 参数: 类似数据数组(一维),可选用于构建索引的可选类似 timedelta 的数据。 单位{'D', 'h', 'm', 's', 'ms', 'us', 'ns'},可选单位为data. 自版本 2.2.0 起已弃用:请使用pd.to_timedelta。 freq str 或 pandas 偏移对象,可选pandas 日期偏移字符串或相应对象之一。可以传递该字符串 'infer',以便将索引的频率设置为创建时推断的频率。 dtype numpy.dtype 或 str,默认 None有效的numpy数据类型为timedelta64[ns]、timedelta64[us]、 timedelta64[ms]和timedelta64[s]。 复制布尔值复制输入数组。 名称对象要存储在索引中的名称。 也可以看看 Index基本 pandas 索引类型。 Timedelta表示两个日期或时间之间的持续时间。 DatetimeIndexdatetime64 数据的索引。 PeriodIndex期间数据索引。 timedelta_range创建固定频率的 TimedeltaIndex。 笔记 要了解有关频率字符串的更多信息,请参阅此链接。 例子 >>> pd.TimedeltaIndex(['0 days', '1 days', '2 days', '3 days', '4 days']) TimedeltaIndex(['0 days', '1 days', '2 days', '3 days', '4 days'], dtype='timedelta64[ns]', freq=None) 如果可能的话,我们还可以让 pandas 推断频率。 >>> pd.TimedeltaIndex(np.arange(5) * 24 * 3600 * 1e9, freq='infer') TimedeltaIndex(['0 days', '1 days', '2 days', '3 days', '4 days'], dtype='timedelta64[ns]', freq='D') 属性 days 每个元素的天数。 seconds 每个元素的秒数(>= 0 且小于 1 天)。 microseconds 每个元素的微秒数(>= 0 且小于 1 秒)。 nanoseconds 每个元素的纳秒数(>= 0 且小于 1 微秒)。 components 返回 Timedelta 的各个分辨率组件的 DataFrame。 inferred_freq 尝试返回表示由 infer_freq 生成的频率的字符串。 方法 to_pytimedelta(*args, **kwargs) 返回 datetime.timedelta 对象的 ndarray。 to_series([索引、名称]) 创建一个索引和值都等于索引键的系列。 round(*args, **kwargs) 对数据执行舍入操作到指定的频率。 floor(*args, **kwargs) 对指定频率的数据进行向下取整操作。 ceil(*args, **kwargs) 对数据执行 ceil 操作到指定的freq。 to_frame([索引、名称]) 创建一个 DataFrame,其中包含包含索引的列。 mean(*[,skipna,轴]) 返回数组的平均值。