## 创建时间

    import pandas as pd
    import numpy as np
    print(pd.Timestamp("2024-2-2"))  # 时刻数据
    print(pd.Period("2024-2-2", freq="M"))  # 时期数据，YMD分别是年月日
    index = pd.date_range("2024-2-2", periods=4, freq="D")
    index = pd.period_range("2024-2-2", periods=4, freq="D")
    s = pd.Series(np.random.randint(0, 10, size=4), index=index)
    print(s)

## 时间转换

    print(pd.to_datetime("2024-1-1"))
    print(pd.to_datetime(["2024-1-1", "2024-2-2"]))
    dt = pd.to_datetime(1689965251, unit="s")  # 时间戳 -> 时间
    print(dt + pd.DateOffset(hour=6))  # +6小时，hour=-6 -6小时

## 索引切片

    index = pd.date_range("2024-2-2", periods=100, freq="D")
    ts = pd.Series(range(len(index)), index=index)
    print(ts["2024-2-2"])  # 索引
    print(ts["2024-2"])  # 2月份
    print(ts["2024"])  # 年
    print(ts.index)
    print(ts.index.year)  # 年，月 month，日 day，星期几 dayofweek
    print(ts["2024-3-3":"2024-3-5"])  # 切片

## 移动和频率

时间移动：

    index = pd.date_range("2024-2-2", periods=365, freq="D")
    ts = pd.Series(np.random.randint(0, 100, len(index)), index=index)
    print(ts.shift(periods=2))  # 默认后移1位，periods=2后移2位，负数是前移

频率转换：

    print(ts.asfreq(pd.tseries.offsets.Week()))  # 天 -> 星期，月初 MonthBegin，月末 MonthEnd
    print(ts.asfreq(pd.tseries.offsets.Hour(), fill_value=0))  # 天 -> 小时，由少变多可用fill_value填充空值

## 重采样

根据日期维度进行数据聚合，秒S，分钟T，小时H，天D，周W，月M，年Y。

    index = pd.date_range("2024-2-2", periods=365, freq="D")
    ts = pd.Series(np.random.randint(0, 100, len(index)), index=index)
    print(ts.resample("3D").sum())  # 以3天为单位进行汇总求和
    print(ts.resample("M").sum().cumsum())  # 以月为单位进行汇总求和，再累加
    df = pd.DataFrame(
    {
    "price": [1, 2, 55, 48, 5],
    "score": [6, 5, 88, 14, 2],
    "week": pd.date_range("2024-1-5", periods=5, freq="W"),
    }
    )
    print(df.resample("M", on="week").sum())
    print(df.resample("M", on="week").agg({"price": np.mean, "score": np.sum}))

## 时区

    import pytz
    print(pytz.common_timezones)  # 常用时区
    index = pd.date_range("2024-2-2", periods=10, freq="D")
    ts = pd.Series(np.random.randint(0, 100, len(index)), index=index)
    ts = ts.tz_localize(tz="UTC")  # 设置时区
    ts = ts.tz_convert(tz="Asia/Shanghai")  # 时区转换


Python数据分析模块pandas之时间序列

## 熊猫速读

是一个专门收集精品视频读书笔记或好书分享的网站！推荐好书速读的视频，在读一本书或者购买图书之前通过视频介绍先快速了解书籍的内容，根据兴趣再决定是否购买。推荐的书籍包括名人推荐书单、经典名著、豆瓣高分好书等。

熊猫速读，为你精心推荐视频书，速读、速览一本书，就来熊猫速读。喜欢看这种速读图书的可以关注一下！

## 网站地址

熊猫速读：[https://qread.xmsoushu.com/](https://qread.xmsoushu.com/)

## 类似网站

小鱼速读：[http://www.xysudu.com/](http://www.xysudu.com/)


熊猫速读-专门收集精品视频读书笔记或好书分享的网站

## fast favicon

是一个图标下载工具，输入域名或地址即可方便、快捷和高效的获取网站favicon图标。

其实，在Chrome[浏览器](__GHOST_URL__/tag/browser/)中，有种更简洁的方法能获取网站favicon.ico图标，方法是：`chrome://favicon/ + 网站访问地址`。

## 网站地址

fast favicon：[https://favicon.vwood.xyz/](https://favicon.vwood.xyz/)


fast favicon-快速获取站点Favicon图标

## 秘塔AI搜索

是一个没有广告，直达结果的AI搜索引擎。相较于传统搜索引擎，秘塔AI搜索为用户提供了全新的搜索体验。

AI通过语义理解、问题分析、全网搜索对信息进行总结和提炼，为用户呈现清晰明了、重点突出的搜索结果，同时还自动整理了思维导图和大纲，使用户能够迅速地获取关键信息，进一步发散思维。

为了进一步增强搜索体验，秘塔AI搜索还将相关事件时间线、相关人物等辅助信息梳理成表格的形式，帮助用户更全面地了解与搜索主题相关的内容。

## 网站地址

秘塔AI搜索：[https://metaso.cn/](https://metaso.cn/)

## 类似工具

搜索123：[https://sousuo123.com/](https://sousuo123.com/)


秘塔AI搜索-没有广告直达结果的AI搜索引擎

## FontMagic

一个开源字体（ttf、woff、woff2）处理软件，可以在 macOS、Windows 平台使用。

FontMagic拥有4大核心功能：

- 解析字体文件的所有unicode及字形，可以通过快捷键将选中的字形以svg字符串的形式进行拷贝。可以一键导出选择的所有字形
- 可以对字体文件进行过滤，只保留你需要的字符
- 可以对字体文件的格式进行转换，可以在ttf、woff、woff2三种格式中互相转换
- 可以快速获取字体文件的base64编码，仅仅需要点击一次按钮

## 下载地址

FontMagic：[https://arayofsunshine.dev/zh-Hans/fontmagic](https://arayofsunshine.dev/zh-Hans/fontmagic)


FontMagic-开源字体ttf、woff、woff2处理软件 支持macOS、Windows平台

这里是 aboss.top 的自留地。写了十几年野路子代码，攒了些摸爬滚打的经验，做成系列课程慢慢讲；也留了一小块地方，记记代码之外的胡思乱想。