Pandas | 21 日期功能

日期功能扩展了时间序列，在财务数据分析中起主要作用。在处理日期数据的同时，我们经常会遇到以下情况 -

生成日期序列
将日期序列转换为不同的频率

创建一个日期范围

通过指定周期和频率，使用date.range()函数就可以创建日期序列。默认情况下，范围的频率是天。参考以下示例代码 -

import pandas as pd

datelist = pd.date_range('2020/11/21', periods=5)

print(datelist)

输出结果：

DatetimeIndex(['2020-11-21', '2020-11-22', '2020-11-23', '2020-11-24',

               '2020-11-25'],

              dtype='datetime64[ns]', freq='D')

更改日期频率

import pandas as pd

datelist = pd.date_range('2020/11/21', periods=5,freq='M')

print(datelist)

输出结果：

DatetimeIndex(['2020-11-30', '2020-12-31', '2021-01-31', '2021-02-28',

               '2021-03-31'],

              dtype='datetime64[ns]', freq='M')

bdate_range()函数

bdate_range()用来表示商业日期范围，不同于date_range()，它不包括星期六和星期天。

import pandas as pd

datelist = pd.date_range('2011/11/03', periods=5)

print(datelist)

输出结果：

DatetimeIndex(['2017-11-03', '2017-11-06', '2017-11-07', '2017-11-08',

               '2017-11-09'],

              dtype='datetime64[ns]', freq='B')

观察到11月3日以后，日期跳至11月6日，不包括4日和5日(因为它们是周六和周日)。

像date_range和bdate_range这样的便利函数利用了各种频率别名。date_range的默认频率是日历中的自然日，而bdate_range的默认频率是工作日。参考以下示例代码 -

import pandas as pd

start = pd.datetime(2017, 11, 1)

end = pd.datetime(2017, 11, 5)

dates = pd.date_range(start, end)

print(dates)

输出结果：

DatetimeIndex(['2017-11-01', '2017-11-02', '2017-11-03', '2017-11-04',

               '2017-11-05'],

              dtype='datetime64[ns]', freq='D')

偏移别名

大量的字符串别名被赋予常用的时间序列频率。我们把这些别名称为偏移别名。

别名	描述说明
`B`	工作日频率
`BQS`	商务季度开始频率
`D`	日历/自然日频率
`A`	年度(年)结束频率
`W`	每周频率
`BA`	商务年底结束
`M`	月结束频率
`BAS`	商务年度开始频率
`SM`	半月结束频率
`BH`	商务时间频率
`SM`	半月结束频率
`BH`	商务时间频率
`BM`	商务月结束频率
`H`	小时频率
`MS`	月起始频率
`T, min`	分钟的频率
`SMS`	SMS半开始频率
`S`	秒频率
`BMS`	商务月开始频率
`L, ms`	毫秒
`Q`	季度结束频率
`U, us`	微秒
`BQ`	商务季度结束频率
`N`	纳秒
`BQ`	商务季度结束频率
`QS`	季度开始频率

巴特西

Pandas | 21 日期功能

创建一个日期范围

更改日期频率

bdate_range()函数

偏移别名

最新文章

热门文章