Pandas - 日期功能 - 菜鸟教程

简述

扩展时间序列，日期功能在财务数据分析中发挥着重要作用。在使用日期数据时，我们会经常遇到以下情况 -

使用date.range()通过指定周期和频率函数，我们可以创建日期序列。默认情况下，范围的频率为天。


import pandas as pd
print pd.date_range('1/1/2011', periods=5)

它的输出如下 -


DatetimeIndex(['2011-01-01', '2011-01-02', '2011-01-03', '2011-01-04', '2011-01-05'],
   dtype='datetime64[ns]', freq='D')


import pandas as pd
print pd.date_range('1/1/2011', periods=5,freq='M')

它的输出如下 -


DatetimeIndex(['2011-01-31', '2011-02-28', '2011-03-31', '2011-04-30', '2011-05-31'],
   dtype='datetime64[ns]', freq='M')

bdate_range() 代表业务日期范围。与 date_range() 不同，它不包括周六和周日。


import pandas as pd
print pd.date_range('1/1/2011', periods=5)

它的输出如下 -


DatetimeIndex(['2011-01-01', '2011-01-02', '2011-01-03', '2011-01-04', '2011-01-05'],
   dtype='datetime64[ns]', freq='D')

请注意，在 3 月 3 日之后，日期会跳到 3 月 6 日，不包括 4 日和 5 日。只需检查您的日历即可。

便利功能，如date_range和bdate_range利用各种频率混叠。date_range 的默认频率是日历日，而 bdate_range 的默认频率是工作日。


import pandas as pd
start = pd.datetime(2011, 1, 1)
end = pd.datetime(2011, 1, 5)
print pd.date_range(start, end)

它的输出如下 -


DatetimeIndex(['2011-01-01', '2011-01-02', '2011-01-03', '2011-01-04', '2011-01-05'],
   dtype='datetime64[ns]', freq='D')

为有用的常见时间序列频率提供了许多字符串别名。我们将这些别名称为偏移别名。