當(dāng)我們成功運(yùn)行出一段數(shù)據(jù)時(shí)，不一定里面的內(nèi)容都是我們所需要的，其中代碼有重復(fù)的地方必須進(jìn)行篩除。當(dāng)需要篩除的數(shù)據(jù)變成了時(shí)間時(shí)，我們似乎又可以選擇其他的方法進(jìn)行去重。就比如datetime完全可以做到這一點(diǎn)，相信小伙伴們比較驚訝，我們往下看：

成都服務(wù)器托管，創(chuàng)新互聯(lián)提供包括服務(wù)器租用、服務(wù)器托管雅安、帶寬租用、云主機(jī)、機(jī)柜租用、主機(jī)租用托管、CDN網(wǎng)站加速、空間域名等業(yè)務(wù)的一體化完整服務(wù)。電話咨詢：18982081108

主要分為以下兩點(diǎn)

1）.index.is_unique檢查索引日期是否是唯一的

2）對(duì)非唯一時(shí)間戳的數(shù)據(jù)進(jìn)行聚合，通過groupby，并傳入level = 0（索引的唯一一層）

dates = pd.DatetimeIndex(['2017/06/01','2017/06/02','2017/06/02','2017/06/02','2017/06/03'])
dates
 DatetimeIndex(['2017-06-01', '2017-06-02', '2017-06-02', '2017-06-02',
   '2017-06-03'],
   dtype='datetime64[ns]', freq=None)
 
dup_ts = pd.Series(np.arange(5),index = dates)
dup_ts
 2017-06-01 0
 2017-06-02 1
 2017-06-02 2
 2017-06-02 3
 2017-06-03 4
 dtype: int32
 
dup_ts.index.is_unique
 False
dup_ts['2017-06-02']
 2017-06-02 1
 2017-06-02 2
 2017-06-02 3
 dtype: int32
 
grouped = dup_ts.groupby(level=0).mean()
grouped
 2017-06-01 0
 2017-06-02 2
 2017-06-03 4
 dtype: int32
 
dup_df = pd.DataFrame(np.arange(10).reshape((5,2)),index = dates )
dup_df
0   1
2017-06-01  0   1
2017-06-02  2   3
2017-06-02  4   5
2017-06-02  6   7
2017-06-03  8   9
grouped_df = dup_df.groupby(level=0).mean()##針對(duì)DataFrame
grouped_df

在篩選重復(fù)的時(shí)間方面，datetime同樣可以做到，這可能是很多小伙伴沒有想到的結(jié)果，是不是意外的收獲呢~更多Python學(xué)習(xí)推薦:PyThon學(xué)習(xí)網(wǎng)教學(xué)中心。

本文標(biāo)題：創(chuàng)新互聯(lián)Python教程：如何用datetime去除重復(fù)python3時(shí)間？
瀏覽路徑：http://uogjgqi.cn/article/cdiddhi.html