pandas 时间范围

更新时间：2020-06-11 16:53:30 标签：pandas 时间 周期

看过来

《pandas 教程》持续更新中，可作为 pandas 入门进阶课程、pandas 中文手册、用法大全，配有案例讲解和速查手册。提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。查看更新日志。作者开办 Python 数据分析培训，详情 Python 数据分析培训。

本教程作者所著新书《Python之光：Python编程入门与实战》（ISBN：9787111729891）已由机械工业出版社出版上市，各大电商平台有售，欢迎：查看详情并关注购买。

本教程作者所著新书《深入浅出Pandas：利用Python进行数据处理与分析》（ISBN：9787111685456）已由机械工业出版社出版上市，各大电商平台有售，欢迎：查看详情并关注购买。

时间周期的特点是有开始时间有结束时间，也会有一个周期频率（虽然有时候也会没有），广泛应用在经济、物理、金融等领域。

生成时间范围

可以使用 pd.DatetimeIndex() 和 pd.Index() 来构造时间范围数据：

import datetime
dates = [datetime.datetime(2012, 5, 1),
         datetime.datetime(2012, 5, 2),
         datetime.datetime(2012, 5, 3)]

# 无频率
pd.DatetimeIndex(dates)
pd.Index(dates) # 效果同上
'''
DatetimeIndex(['2012-05-01',
               '2012-05-02',
               '2012-05-03'],
              dtype='datetime64[ns]', freq=None)
'''

当然，可以解析时间格式：

pd.date_range(start='1/1/2018', end='1/08/2018')
'''
DatetimeIndex(['2018-01-01', '2018-01-02', '2018-01-03', '2018-01-04',
               '2018-01-05', '2018-01-06', '2018-01-07', '2018-01-08'],
              dtype='datetime64[ns]', freq='D')
'''

可以指定周期数：

pd.date_range(start='1/1/2018', periods=8)
'''
DatetimeIndex(['2018-01-01', '2018-01-02', '2018-01-03', '2018-01-04',
               '2018-01-05', '2018-01-06', '2018-01-07', '2018-01-08'],
              dtype='datetime64[ns]', freq='D')
'''

结尾指定周期后会向前生成：

pd.date_range(end='1/1/2018', periods=8)
'''
DatetimeIndex(['2017-12-25', '2017-12-26', '2017-12-27', '2017-12-28',
               '2017-12-29', '2017-12-30', '2017-12-31', '2018-01-01'],
              dtype='datetime64[ns]', freq='D')
'''

如果开始、结束、周期都有指定，会自动按周期进行分隔：

pd.date_range(start='2018-04-24', end='2018-04-27', periods=3)
'''
DatetimeIndex(['2018-04-24 00:00:00', '2018-04-25 12:00:00',
               '2018-04-27 00:00:00'],
              dtype='datetime64[ns]', freq=None)
'''

date_range 的默认频率是 D 日，可以指定为其他频率，参见时间偏移别名。

# 指定频率为月
pd.date_range(start='1/1/2018', periods=5, freq='M')
DatetimeIndex(['2018-01-31', '2018-02-28', '2018-03-31', '2018-04-30',
               '2018-05-31'],
              dtype='datetime64[ns]', freq='M')

固定频率 date_range

在实际使用中，我们只需要给出开始和结束时间和频率，pd.date_range 系统会快速生成时间范围数据：

start = datetime.datetime(2011, 1, 1)
end = datetime.datetime(2012, 1, 1)
pd.date_range(start, end)
'''
DatetimeIndex(['2011-01-01', '2011-01-02', '2011-01-03', '2011-01-04',
               '2011-01-05', '2011-01-06', '2011-01-07', '2011-01-08',
               '2011-01-09', '2011-01-10',
               ...
               '2011-12-23', '2011-12-24', '2011-12-25', '2011-12-26',
               '2011-12-27', '2011-12-28', '2011-12-29', '2011-12-30',
               '2011-12-31', '2012-01-01'],
              dtype='datetime64[ns]', length=366, freq='D')
'''

多个单位频率：

# 三个月
pd.date_range(start='1/1/2018', periods=5, freq='3M')
'''
DatetimeIndex(['2018-01-31', '2018-04-30', '2018-07-31', '2018-10-31',
               '2019-01-31'],
              dtype='datetime64[ns]', freq='3M')
'''

频率也可以使用时间偏移：

# 三个月，取月最后一天
pd.date_range(start='1/1/2018', periods=5, freq=pd.offsets.MonthEnd(3))
'''
DatetimeIndex(['2018-01-31', '2018-04-30', '2018-07-31', '2018-10-31',
               '2019-01-31'],
              dtype='datetime64[ns]', freq='3M')
'''

可以指定时区：

# 东京时间
pd.date_range(start='1/1/2018', periods=5, tz='Asia/Tokyo')
'''
DatetimeIndex(['2018-01-01 00:00:00+09:00', '2018-01-02 00:00:00+09:00',
               '2018-01-03 00:00:00+09:00', '2018-01-04 00:00:00+09:00',
               '2018-01-05 00:00:00+09:00'],
              dtype='datetime64[ns, Asia/Tokyo]', freq='D')
'''

closed 可以做开始和结束时间开闭区间的控制：

# None 两边都包含
pd.date_range(start='2017-01-01', end='2017-01-04', closed=None)
'''
DatetimeIndex(['2017-01-01', '2017-01-02', '2017-01-03', '2017-01-04'],
              dtype='datetime64[ns]', freq='D')

'''
# left 不包含右边
pd.date_range(start='2017-01-01', end='2017-01-04', closed='left')
'''
DatetimeIndex(['2017-01-01', '2017-01-02', '2017-01-03'],
              dtype='datetime64[ns]', freq='D')
'''
# right 不包含左边
pd.date_range(start='2017-01-01', end='2017-01-04', closed='right')
'''
DatetimeIndex(['2017-01-02', '2017-01-03', '2017-01-04'],
              dtype='datetime64[ns]', freq='D')
'''

工作日频率 bdate_range

pd.bdate_range 可以生成一个以工作日频率的日期范围，周末两天将会被跳过：

pd.bdate_range(start='1/1/2021', end='1/08/2021')
'''
DatetimeIndex(['2021-01-01', '2021-01-04', '2021-01-05', '2021-01-06',
               '2021-01-07', '2021-01-08'],
              dtype='datetime64[ns]', freq='B')
'''

在四个参数中：开始，结束，周期和频率，必须精确指定三个。指定频率是 bdate_range 的要求。如果不需要指定频率，请使用 date_range。

频率

以上两个方法中都会要求传入频率，频率可以用时间偏移对象（DateOffset objects）的别名表示。详见时间偏移别名。

pandas 时间范围

生成时间范围

固定频率 date_range

工作日频率 bdate_range

频率

相关内容