注意:以下翻译的准确性尚未经过验证。这是使用 AIP ↗ 从原始英文文本进行的机器翻译。
返回一个函数,该函数将单个时间序列中的所有值从指定单位值转换为指定单位。
传入的单位可以是Unit
中的一个值,也可以是以下可用单位和转换列表中的一个有效Alias
:
长度
单位 | 别名 | 名称 |
---|---|---|
m | meter | 米 |
cm | centimeter | 厘米 |
mm | millimeter | 毫米 |
μm | micron, micrometer | 微米 |
nm | nanometer | 纳米 |
angstrom | 埃 | |
km | kilometer | 公里 |
in | inch | 英寸 |
ft | foot | 英尺 |
yd | yard | 码 |
mi | mile | 英里 |
温度单位
单位 | 别名 | 名称 |
---|---|---|
°C | Celsius | 摄氏度 |
K | kelvin | 开尔文 |
°F | Fahrenheit | 华氏度 |
°R | °Ra, rankine | 兰氏度 |
压力单位
单位 | 别名 | 名称 |
---|---|---|
Pa | n/m2, pascal | 帕斯卡 |
hPa | hectopascal | 百帕斯卡 |
kPa | kPaa, kilopascal | 千帕斯卡 |
kPag | 千帕斯卡 表压 | |
atm | 标准大气压 | |
bar | bara | 巴 |
barg | 巴表压 | |
fth2o | 水柱英尺 | |
inh2o | 水柱英寸 | |
inhg | 汞柱英寸 | |
Torr | mmhg | 托(毫米汞柱) |
mTorr | 毫托 | |
psi | psia | 磅力 每平方 英寸 |
psig | 磅力 每平方 英寸表压 |
时间单位
单位 | 别名 | 名称 |
---|---|---|
s | second | 秒 |
ms | millisecond | 毫秒 |
μs | microsecond | 微秒 |
ns | nanosecond | 纳秒 |
min | minute | 分钟 |
hr | hour | 小时 |
质量单位
单位 | 别名 | 名称 |
---|---|---|
kg | kilogram | 千克 |
g | gram | 克 |
lb | pound | 磅 |
联系您的服务管理员以访问和扩展部署的单位和转换列表。
FunctionNode
) -> FunctionNode
列名 | 类型 | 描述 |
---|---|---|
timestamp | pandas.Timestamp | 点的时间戳 |
value | float | 点的值 |
此函数仅适用于数值系列。
Copied!1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
>>> series = F.points( ... (1, 8.0), ... (101, 4.0), ... (200, 2.0), ... (201, 1.0), ... (299, 35.0), ... (300, 16.0), ... (1000, 64.0), ... name="series", ... ) >>> series.to_pandas() timestamp value 0 1970-01-01 00:00:00.000000001 8.0 1 1970-01-01 00:00:00.000000101 4.0 2 1970-01-01 00:00:00.000000200 2.0 3 1970-01-01 00:00:00.000000201 1.0 4 1970-01-01 00:00:00.000000299 35.0 5 1970-01-01 00:00:00.000000300 16.0 6 1970-01-01 00:00:00.000001000 64.0
这个代码片段展示了如何使用 F.points
方法创建一个时间序列对象 series
,其中包含一组时间戳和对应的值。接着,使用 to_pandas
方法将这个时间序列转换为一个 Pandas DataFrame,以便更方便地进行数据分析和处理。时间戳是以纳秒为单位的时间点。
Copied!1 2 3 4 5 6 7 8 9 10 11 12 13
>>> unit_converted = F.unit_conversion("m", "mm")(series) # 将单位从米("m")转换为毫米("mm") >>> unit_converted.to_pandas() # 将转换后的数据转换为 Pandas DataFrame 进行查看 timestamp value 0 1970-01-01 00:00:00.000000001 8000.0 1 1970-01-01 00:00:00.000000101 4000.0 2 1970-01-01 00:00:00.000000200 2000.0 3 1970-01-01 00:00:00.000000201 1000.0 4 1970-01-01 00:00:00.000000299 35000.0 5 1970-01-01 00:00:00.000000300 16000.0 6 1970-01-01 00:00:00.000001000 64000.0