pandas 的一个常见数据是日期时间，pandas 具有一组不同的功能来执行与处理日期时间数据相关的任何任务。
Pandas 有 date_range 函数，用于按特定顺序生成日期序列，同时它还有许多其他函数来处理这些日期时间数据。
我们可以通过使用日期时间数据创建一个熊猫系列对象，让我们看一个使用日期时间值创建熊猫系列的例子。
import pandas as pd
# creating range sequence of dates
dates = pd.date_range('2021-06-14', periods=5, freq='D')
#creating pandas Series with date index
s = pd.Series(dates)
print (s)最初，我们使用python import 关键字将pandas 模块导入我们的工作区，然后我们使用日期范围函数创建了一个日期序列，这些日期存储在一个名为dates 的变量中。
我们已将此日期变量发送到 pandas series 构造函数，它将创建一个如下输出的 pandas series 对象。
输出结果
0 2021-06-14 1 2021-06-15 2 2021-06-16 3 2021-06-17 4 2021-06-18 dtype: datetime64[ns]
生成的熊猫系列对象可以在上面的块中看到，它具有从 2021-06-14 到 2021-06-18 的日期序列。在代码块中，我们根据生成这 5 组日期的输入定义了等于 5 的起始日期和周期。并且索引值是从 0 到 4 的自动创建值。
import pandas as pd
import numpy as np
# creating range sequence of dates
date = pd.date_range('2021-06-14', periods=5, freq='D')
#creating pandas Series with date index
s = pd.Series(np.random.randn(len(date)), index=date)
print (s)在上面的示例中，我们创建了一个以 DateTime 作为索引值的 Pandas Series，Series 数据是一些使用 NumPy 随机函数生成的随机数。
为了最初实现这一点，我们导入了所需的包，即 Pandas 和 NumPy。之后，我们使用pandas data_range 函数生成了日期。使用这些日期，我们创建了一个熊猫系列，索引值是我们的日期，数据是随机值。
输出结果
2021-06-14 0.701791 2021-06-15 -1.731610 2021-06-16 -3.377266 2021-06-17 -0.138523 2021-06-18 -0.160986 Freq: D, dtype: float64
日期是索引标签，值是随机数，这里我们可以看到系列数据（值）的dtype是float64，而Freq：D代表我们索引标签的频率。