Python Pandas 简明教程

Python Pandas - Date Functionality

扩展时间序列，日期功能在金融数据分析中扮演着重要角色。在使用日期数据时，我们经常会遇到以下问题−

Generating sequence of dates
将日期序列转换为不同的频率

Create a Range of Dates

通过指定周期和频率使用 date.range() 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 output 如下所示 −

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

Change the Date Frequency

import pandas as pd

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

它的 output 如下所示 −

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

bdate_range

bdate_range() 代表业务日期范围。不同于 date_range()，它排除了星期六和星期日。

import pandas as pd

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

它的 output 如下所示 −

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

注意，在 3 月 3 日之后，日期跳到 3 月 6 日，排除了 4 日和 5 日。只需查看您日历中的天数即可。

像 date_range 和 bdate_range 这样的便捷函数利用了各种频率别名。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 output 如下所示 −

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

Offset Aliases

将许多字符串别名提供给有用的常见时间序列频率。我们将这些别名称为偏移别名。

Alias

Description

Alias

Description

business day frequency

BQS

business quarter start frequency

calendar day frequency

annual(Year) end frequency

weekly frequency

business year end frequency

month end frequency

BAS

business year start frequency

semi-month end frequency

business hour frequency

business month end frequency

hourly frequency

month start frequency

T, min

minutely frequency

SMS

短信半月开始频率

secondly frequency

BMS

business month start frequency

L, ms

milliseconds

quarter end frequency

U, us

microseconds

business quarter end frequency

nanoseconds

quarter start frequency