Pandas 日期处理:生成工作日与节假日
📅
Pandas 提供了许多日期处理功能,使得处理时间序列数据变得容易。本文将介绍如何使用 Pandas 生成工作日和节假日。在进行实际操作前,请确保已安装了 Pandas 库。安装方法如下:
pip install pandas
1. 📊 生成工作日
要生成一年中的工作日,我们可以使用 pandas.bdate_range 函数。例如,要生成 2023 年的工作日,可以使用以下代码:
import pandas as pd
start_date = '2023-01-01'
end_date = '2023-12-31'
business_days = pd.bdate_range(start=start_date, end=end_date)
print(business_days)
接下来,我们将展示如何从数据中去除工作日。首先,假设我们有如下数据:
date_range = pd.date_range(start=start_date, end=end_date)
data = pd.DataFrame(date_range, columns=['date'])
接着,我们可以使用 pandas.DataFrame.isin 函数找到数据中的工作日,并使用 ~ 运算符将这些工作日从数据中去除。
non_business_days = data[~data['date'].isin(business_days)]
print(non_business_days)
2. 🎉 生成节假日
我们可以使用 Pandas 中的 AbstractHolidayCalendar 类和 Holiday 类来创建自定义节假日。以下是一个包含2023年部分中国节假日的示例:
from pandas.tseries.holiday import AbstractHolidayCalendar, Holiday
import pandas as pd
class ChinaHolidaysCalendar(AbstractHolidayCalendar):
rules = [
Holiday('元旦', month=1, day=1),
Holiday('元旦', month=1, day=2),
Holiday('元旦', month=1, day=3),
Holiday('春节', month=1, day=21),
Holiday('春节', month=1, day=22),
# 同样的方法添加其他节假日
]
start_date = '2023-01-01'
end_date = '2023-12-31'
china_holidays_calendar = ChinaHolidaysCalendar()
holidays = china_holidays_calendar.holidays(start_date, end_date)
print(holidays)
现在我们已经生成了2023年包含多天的中国节假日,接下来我们将从数据中去除这些节假日。首先,假设我们有如下数据:
date_range = pd.date_range(start=start_date, end=end_date)
data = pd.DataFrame(date_range, columns=['date'])
接下来,我们可以使用 pandas.DataFrame.isin 函数找到数据中的节假日,并使用 ~ 运算符将这些节假日从数据中去除。
non_holidays = data[~data['date'].isin(holidays)]
print(non_holidays)
至此,我们已经成功地使用 Pandas 生成了工作日和节假日,并从数据中去除了这些日期。请注意,这个例子只包含了部分节假日,实际应用时请根据实际情况进行调整。
3. 🌟 Pandas 日期处理知识点
- 创建日期范围: 使用
pd.date_range
函数可以创建日期范围。例如,要生成从2023年1月1日到2023年12月31日的日期范围,可以使用以下代码:
date_range = pd.date_range(start='2023-01-01', end='2023-12-31')
日期偏移量: Pandas 提供了 DateOffset 类,可以用于对日期执行各种算术运算。例如,要将日期向前推一天,可以使用以下代码:
from pandas.tseries.offsets import DateOffset
date = pd.Timestamp('2023-01-01')
new_date = date + DateOffset(days=1)
重采样时间序列数据: 使用 pd.DataFrame.resample 函数可以将时间序列数据按照指定频率进行重新采样。例如,要将按天采样的数据转换为按月采样的数据,可以使用以下代码:
resampled_data = data.resample('M').mean()
滚动窗口操作: 使用 pd.DataFrame.rolling 函数可以对时间序列数据执行滚动窗口操作。例如,要计算7天滚动平均值,可以使用以下代码:
rolling_mean = data.rolling(window=7).mean()
日期格式化: 使用 pd.Timestamp.strftime 函数可以将日期格式化为字符串。例如,要将日期格式化为 “YYYY-MM-DD” 的格式,可以使用以下代码:
formatted_date = pd.Timestamp('2023-01-01').strftime('%Y-%m-%d')
📚 相关推荐
在本文中,我们介绍了 Pandas 日期处理的基本知识。如果您对这方面的内容感兴趣,以下是一些相关文章,供您参考和深入了解:
我们建议您阅读这些文章,以便进一步提高您在 Pandas 日期处理方面的技能。祝您学习愉快!😊
感谢您在茫茫网络中找到了这篇博客!如果您觉得本文对您有所启发或帮助,别忘了给我们一个大大的点赞👍和关注!让我们一起在知识的海洋里遨游,把干巴巴的学习变得更有趣和轻松!😉🎉
希望我们的文章能为您的学习带来一丝乐趣,祝您在生活中不仅取得成功,而且保持幽默与快乐!🤣