


Paparkan semua Ahad dalam tahun tertentu menggunakan Panda dalam Python
Pandas ialah perpustakaan Python yang berkuasa untuk pemprosesan dan analisis data. Ciri utama Pandas ialah keupayaannya untuk mengendalikan data tarikh dan masa dengan cekap. Dalam artikel ini, kami akan menunjukkan cara menggunakan Panda untuk memaparkan semua hari Ahad dalam tahun tertentu.
Dalam artikel ini, kami akan meneroka cara menggunakan Pandas, perpustakaan manipulasi data yang popular dalam Python, untuk memaparkan semua hari Ahad dalam tahun tertentu. Kami akan melalui proses mengekstrak Ahad dalam tahun dan memaparkannya dalam format yang boleh dibaca.
Prasyarat
Sebelum anda bermula, pastikan Panda dipasang pada komputer anda. Anda boleh memasangnya dengan menjalankan arahan berikut dalam terminal -
pip install pandas Getting Started
Menggunakan Panda dalam Python
Pertama, kami akan mula mengimport perpustakaan Pandas dan mencipta Pandas DataFrame untuk menyimpan hari dalam setahun. Kami akan menggunakan fungsi date_range untuk menjana julat tarikh satu tahun. Di bawah ialah kod untuk menjana julat tarikh pada 2023 −
import pandas as pd year = 2023 start_date = pd.to_datetime(f'{year}-01-01') end_date = pd.to_datetime(f'{year}-12-31') dates = pd.date_range(start_date, end_date)
Kami mencipta objek tarikh_mula dan tarikh_akhir menggunakan fungsi pd.to_datetime. Pembolehubah tarikh dicipta menggunakan fungsi pd.date_range, yang menjana julat tarikh dari tarikh_mula hingga tarikh_akhir.
Ekstrak Ahad
Untuk mengekstrak hari Ahad daripada julat tarikh, kami akan menggunakan aksesori dt yang disediakan oleh Pandas. Aksesor dt menyediakan pelbagai kaedah untuk memanipulasi nilai tarikh dan masa Pandas DataFrame. Kami akan menggunakan kaedah day_name pengakses dt untuk mendapatkan nama hari dalam minggu untuk setiap tarikh dalam DataFrame tarikh. Berikut ialah kod untuk mengekstrak Ahad:
sundays = dates[dates.dt.day_name() == 'Sunday']
dates.dt.day_name() mengembalikan nama hari dalam minggu untuk setiap tarikh dalam DataFrame tarikh. Kemudian, kami menapis tarikh DataFrame untuk hanya menyimpan baris untuk hari Ahad.
Tayang Ahad
Untuk memaparkan Ahad dalam format yang boleh dibaca, kami akan menggunakan kaedah strftime bagi dt accessor. Kaedah strftime digunakan untuk memformat nilai tarikh dan masa Pandas DataFrame. Berikut ialah kod untuk dipaparkan pada Ahad:
for sunday in sundays: print(sunday.strftime('%Y-%m-%d'))
strftime('%Y-%m-%d') memformat tarikh ke dalam format YYYY-MM-DD. Kami kemudian mengulangi DataFrame hari Ahad dan mencetak setiap Ahad dalam format yang diingini.
Terjemahan bahasa Cina bagiKod Akhir
ialah:Kod Akhir
Ini adalah kod lengkap untuk dipaparkan sepanjang hari Ahad pada tahun 2023 −
import pandas as pd year = 2023 start_date = pd.to_datetime(f'{year}-01-01') end_date = pd.to_datetime(f'{year}-12-31') dates = pd.date_range(start_date, end_date) sundays = dates[dates.dt.day_name() == 'Sunday'] for sunday in sundays: print(sunday.strftime('%Y-%m-%d'))
Output
DatetimeIndex(['2023-01-01', '2023-01-08', '2023-01-15', '2023-01-22', '2023-01-29', '2023-02-05', '2023-02-12', '2023-02-19', '2023-02-26', '2023-03-05', '2023-03-12', '2023-03-19', '2023-03-26', '2023-04-02', '2023-04-09', '2023-04-16', '2023-04-23', '2023-04-30', '2023-05-07', '2023-05-14', '2023-05-21', '2023-05-28', '2023-06-04', '2023-06-11', '2023-06-18', '2023-06-25', '2023-07-02', '2023-07-09', '2023-07-16', '2023-07-23', '2023-07-30', '2023-08-06', '2023-08-13', '2023-08-20', '2023-08-27', '2023-09-03', '2023-09-10', '2023-09-17', '2023-09-24', '2023-10-01', '2023-10-08', '2023-10-15', '2023-10-22', '2023-10-29', '2023-11-05', '2023-11-12', '2023-11-19', '2023-11-26', '2023-12-03', '2023-12-10', '2023-12-17', '2023-12-24', '2023-12-31'], dtype='datetime64[ns]', freq=None)>
Paparkan semua Ahad dalam tahun tertentu menggunakan Panda
Untuk memaparkan semua hari Ahad dalam tahun tertentu, kami perlu mencipta Pandas DataFrame dengan julat tarikh sepanjang tahun. Kami kemudiannya boleh menapis DataFrame ini untuk hanya memasukkan hari Ahad.
Berikut ialah kod Python untuk menyelesaikan tugasan ini. Ini dia. Mari pecahkan kod langkah demi langkah −
Kami menggunakan pernyataan import untuk mengimport perpustakaan Pandas.
Kami menggunakan fungsi pd.date_range() untuk mencipta julat tarikh yang menjangkau sepanjang tahun. Kami menentukan tarikh mula dan tamat menggunakan parameter mula dan tamat masing-masing. Kami menggantikan '2022' dengan tahun yang dikehendaki.
Kami menapis julat tarikh untuk memasukkan hanya hari Ahad dengan menggunakan sifat .weekday julat tarikh, yang mengembalikan hari dalam seminggu sebagai integer (Isnin = 0, Selasa = 1, dsb.). Ahad diwakili oleh integer 6.
Kami menyimpan julat tarikh yang ditapis dalam pembolehubah yang dipanggil ahad.
Akhir sekali, kami mencetak senarai hari Ahad dengan memanggil fungsi print() pada pembolehubah ahad.
import pandas as pd # Replace '2022' with the desired year date_range = pd.date_range(start='1/1/2022', end='12/31/2022') # Filter the date range to only include Sundays sundays = date_range[date_range.weekday == 6] # Print the list of Sundays print(sundays)
Output
Apabila anda menjalankan kod di atas, anda akan melihat senarai semua hari Ahad dalam tahun tertentu−
DatetimeIndex(['2022-01-02', '2022-01-09', '2022-01-16', '2022-01-23', '2022-01-30', '2022-02-06', '2022-02-13', '2022-02-20', '2022-02-27', '2022-03-06', '2022-03-13', '2022-03-20', '2022-03-27', '2022-04-03', '2022-04-10', '2022-04-17', '2022-04-24', '2022-05-01', '2022-05-08', '2022-05-15', '2022-05-22', '2022-05-29', '2022-06-05', '2022-06-12', '2022-06-19', '2022-06-26', '2022-07-03', '2022-07-10', '2022-07-17', '2022-07-24', '2022-07-31', '2022-08-07', '2022-08-14', '2022-08-21', '2022-08-28', '2022-09-04', '2022-09-11', '2022-09-18', '2022-09-25', '2022-10-02', '2022-10-09', '2022-10-16', '2022-10-23', '2022-10-30', '2022-11-06', '2022-11-13', '2022-11-20', '2022-11-27', '2022-12-04', '2022-12-11', '2022-12-18', '2022-12-25'], dtype='datetime64[ns]', freq=None)
Kesimpulan
Dalam artikel ini, kami meneroka cara mengekstrak dan memaparkan semua hari Ahad dalam tahun tertentu menggunakan Panda. Kami menggunakan kaedah date_range, dt, dan strftime perpustakaan Pandas untuk menjana julat tarikh, mengekstrak hari Ahad dan memaparkannya dalam format yang boleh dibaca. Pandas menyediakan cara yang berkuasa dan fleksibel untuk memanipulasi nilai tarikh dan masa dalam Python, menjadikannya alat yang berguna untuk analisis dan visualisasi data.
Atas ialah kandungan terperinci Paparkan semua Ahad dalam tahun tertentu menggunakan Panda dalam Python. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



PHP dan Python mempunyai kelebihan dan kekurangan mereka sendiri, dan pilihannya bergantung kepada keperluan projek dan keutamaan peribadi. 1.PHP sesuai untuk pembangunan pesat dan penyelenggaraan aplikasi web berskala besar. 2. Python menguasai bidang sains data dan pembelajaran mesin.

Membolehkan pecutan GPU pytorch pada sistem CentOS memerlukan pemasangan cuda, cudnn dan GPU versi pytorch. Langkah-langkah berikut akan membimbing anda melalui proses: Pemasangan CUDA dan CUDNN Tentukan keserasian versi CUDA: Gunakan perintah NVIDIA-SMI untuk melihat versi CUDA yang disokong oleh kad grafik NVIDIA anda. Sebagai contoh, kad grafik MX450 anda boleh menyokong CUDA11.1 atau lebih tinggi. Muat turun dan pasang Cudatoolkit: Lawati laman web rasmi Nvidiacudatoolkit dan muat turun dan pasang versi yang sepadan mengikut versi CUDA tertinggi yang disokong oleh kad grafik anda. Pasang Perpustakaan Cudnn:

Python dan JavaScript mempunyai kelebihan dan kekurangan mereka sendiri dari segi komuniti, perpustakaan dan sumber. 1) Komuniti Python mesra dan sesuai untuk pemula, tetapi sumber pembangunan depan tidak kaya dengan JavaScript. 2) Python berkuasa dalam bidang sains data dan perpustakaan pembelajaran mesin, sementara JavaScript lebih baik dalam perpustakaan pembangunan dan kerangka pembangunan depan. 3) Kedua -duanya mempunyai sumber pembelajaran yang kaya, tetapi Python sesuai untuk memulakan dengan dokumen rasmi, sementara JavaScript lebih baik dengan MDNWebDocs. Pilihan harus berdasarkan keperluan projek dan kepentingan peribadi.

Docker menggunakan ciri -ciri kernel Linux untuk menyediakan persekitaran berjalan yang cekap dan terpencil. Prinsip kerjanya adalah seperti berikut: 1. Cermin digunakan sebagai templat baca sahaja, yang mengandungi semua yang anda perlukan untuk menjalankan aplikasi; 2. Sistem Fail Kesatuan (Unionfs) menyusun pelbagai sistem fail, hanya menyimpan perbezaan, menjimatkan ruang dan mempercepatkan; 3. Daemon menguruskan cermin dan bekas, dan pelanggan menggunakannya untuk interaksi; 4. Ruang nama dan cgroups melaksanakan pengasingan kontena dan batasan sumber; 5. Pelbagai mod rangkaian menyokong interkoneksi kontena. Hanya dengan memahami konsep -konsep teras ini, anda boleh menggunakan Docker dengan lebih baik.

Penyimpanan Objek Minio: Penyebaran berprestasi tinggi di bawah CentOS System Minio adalah prestasi tinggi, sistem penyimpanan objek yang diedarkan yang dibangunkan berdasarkan bahasa Go, serasi dengan Amazons3. Ia menyokong pelbagai bahasa pelanggan, termasuk Java, Python, JavaScript, dan GO. Artikel ini akan memperkenalkan pemasangan dan keserasian minio pada sistem CentOS. Keserasian versi CentOS Minio telah disahkan pada pelbagai versi CentOS, termasuk tetapi tidak terhad kepada: CentOS7.9: Menyediakan panduan pemasangan lengkap yang meliputi konfigurasi kluster, penyediaan persekitaran, tetapan fail konfigurasi, pembahagian cakera, dan mini

Latihan yang diedarkan Pytorch pada sistem CentOS memerlukan langkah -langkah berikut: Pemasangan Pytorch: Premisnya ialah Python dan PIP dipasang dalam sistem CentOS. Bergantung pada versi CUDA anda, dapatkan arahan pemasangan yang sesuai dari laman web rasmi Pytorch. Untuk latihan CPU sahaja, anda boleh menggunakan arahan berikut: PipinstallToRchTorchVisionTorchaudio Jika anda memerlukan sokongan GPU, pastikan versi CUDA dan CUDNN yang sama dipasang dan gunakan versi pytorch yang sepadan untuk pemasangan. Konfigurasi Alam Sekitar Teragih: Latihan yang diedarkan biasanya memerlukan pelbagai mesin atau mesin berbilang mesin tunggal. Tempat

Apabila memasang pytorch pada sistem CentOS, anda perlu dengan teliti memilih versi yang sesuai dan pertimbangkan faktor utama berikut: 1. Keserasian Persekitaran Sistem: Sistem Operasi: Adalah disyorkan untuk menggunakan CentOS7 atau lebih tinggi. CUDA dan CUDNN: Versi Pytorch dan versi CUDA berkait rapat. Sebagai contoh, Pytorch1.9.0 memerlukan CUDA11.1, manakala Pytorch2.0.1 memerlukan CUDA11.3. Versi CUDNN juga mesti sepadan dengan versi CUDA. Sebelum memilih versi PyTorch, pastikan anda mengesahkan bahawa versi CUDA dan CUDNN yang serasi telah dipasang. Versi Python: Cawangan Rasmi Pytorch

CentOS Memasang Nginx memerlukan mengikuti langkah-langkah berikut: memasang kebergantungan seperti alat pembangunan, pcre-devel, dan openssl-devel. Muat turun Pakej Kod Sumber Nginx, unzip dan menyusun dan memasangnya, dan tentukan laluan pemasangan sebagai/usr/local/nginx. Buat pengguna Nginx dan kumpulan pengguna dan tetapkan kebenaran. Ubah suai fail konfigurasi nginx.conf, dan konfigurasikan port pendengaran dan nama domain/alamat IP. Mulakan perkhidmatan Nginx. Kesalahan biasa perlu diberi perhatian, seperti isu ketergantungan, konflik pelabuhan, dan kesilapan fail konfigurasi. Pengoptimuman prestasi perlu diselaraskan mengikut keadaan tertentu, seperti menghidupkan cache dan menyesuaikan bilangan proses pekerja.
