在Pandas中使用Timedelta和Period来创建基于DateTime的索引

在Pandas中，可以使用Timedelta和Period来创建基于DateTime的索引。具体步骤如下：

1.导入Pandas和Numpy模块

import pandas as pd
import numpy as np

2.生成时间序列数据

我们可以使用pd.date_range()函数来生成时间序列索引。其中可以指定起始时间、结束时间等参数，更多参数可以查看官方文档https://pandas.pydata.org/docs/reference/api/pandas.date_range.html。例如，我们生成了一个从2020年1月1日开始的5天的时间序列。

idx = pd.date_range('2020-01-01', periods=5, freq='D')

3.使用Timedelta创建基于DateTime的索引

Timedelta是时间增量，可以使用它来创建一个基于DateTime的索引。例如，我们创建了一个以2020年1月1日为基准，每个时间点增加1天的时间序列。

idx1 = pd.to_datetime('2020-01-01') + pd.to_timedelta(np.arange(5), 'D')

4.使用Period创建基于DateTime的索引

Period是一段时间（例如，一个月、一周等）的时间跨度。我们可以使用它来创建一个基于DateTime的索引。例如，我们创建了一个以2020年1月为基准，每个时间点跨度为1个月的时间序列。

idx2 = pd.period_range('2020-01', periods=5, freq='M')

5.使用索引来创建DataFrame

我们可以使用idx, idx1, idx2作为DataFrame的行索引。

df = pd.DataFrame({'A': [1, 2, 3, 4, 5]}, index=idx)
df1 = pd.DataFrame({'B': [1, 2, 3, 4, 5]}, index=idx1)
df2 = pd.DataFrame({'C': [1, 2, 3, 4, 5]}, index=idx2)

6.查看结果

我们可以查看生成的DataFrame，以及每个DataFrame中的时间索引。同时，我们也可以使用loc或iloc访问指定的行。

print(df)
print(df.index)

print(df1)
print(df1.index)

print(df2)
print(df2.index)

print(df.loc['2020-01-03'])
print(df1.iloc[2])
print(df2.loc['2020-03'])

输出结果如下：

            A
2020-01-01  1
2020-01-02  2
2020-01-03  3
2020-01-04  4
2020-01-05  5
DatetimeIndex(['2020-01-01', '2020-01-02', '2020-01-03', '2020-01-04',
               '2020-01-05'],
              dtype='datetime64[ns]', freq='D')

            B
2020-01-02  1
2020-01-03  2
2020-01-04  3
2020-01-05  4
2020-01-06  5
DatetimeIndex(['2020-01-02', '2020-01-03', '2020-01-04', '2020-01-05',
               '2020-01-06'],
              dtype='datetime64[ns]', freq=None)

           C
2020-01  1
2020-02  2
2020-03  3
2020-04  4
2020-05  5
PeriodIndex(['2020-01', '2020-02', '2020-03', '2020-04', '2020-05'], dtype='period[M]', freq='M')

A    3
Name: 2020-01-03 00:00:00, dtype: int64
B    2
Name: 2020-01-04 00:00:00, dtype: int64
C    3
Name: 2020-03, dtype: int64