如何在Python3中使用Pandas高效处理时间数据？

dates = [&＃39;2017-06-20&＃39;,&＃39;2017-06-21&＃39;,\
  &＃39;2017-06-22&＃39;,&＃39;2017-06-23&＃39;,&＃39;2017-06-24&＃39;,&＃39;2017-06-25&＃39;,&＃39;2017-06-26&＃39;,&＃39;2017-06-27&＃39;]
import numpy as np
ts = pd.Series(np.random.randn(8),index = pd.to_datetime(dates))
ts
 2017-06-20 0.788811
 2017-06-21 0.372555
 2017-06-22 0.009967
 2017-06-23 -1.024626
 2017-06-24 0.981214
 2017-06-25 0.314127
 2017-06-26 -0.127258
 2017-06-27 1.919773
 dtype: float64
ts.index
 DatetimeIndex([&＃39;2017-06-20&＃39;, &＃39;2017-06-21&＃39;, &＃39;2017-06-22&＃39;, &＃39;2017-06-23&＃39;,
   &＃39;2017-06-24&＃39;, &＃39;2017-06-25&＃39;, &＃39;2017-06-26&＃39;, &＃39;2017-06-27&＃39;],
   dtype=&＃39;datetime64[ns]&＃39;, freq=None)

ts[::2]#从前往后每隔两个取数据
 2017-06-20 0.788811
 2017-06-22 0.009967
 2017-06-24 0.981214
 2017-06-26 -0.127258
 dtype: float64
ts[::-2]#从后往前逆序每隔两个取数据
 2017-06-27 1.919773
 2017-06-25 0.314127
 2017-06-23 -1.024626
 2017-06-21 0.372555
 dtype: float64
ts + ts[::2]#自动数据对齐
 2017-06-20 1.577621
 2017-06-21  NaN
 2017-06-22 0.019935
 2017-06-23  NaN
 2017-06-24 1.962429
 2017-06-25  NaN
 2017-06-26 -0.254516
 2017-06-27  NaN
 dtype: float64

PyThon学习网教学中心