【Pandas】一文向您详细介绍 pd.date_range()

最新推荐文章于 2024-08-05 17:51:28 发布

高斯小哥

最新推荐文章于 2024-08-05 17:51:28 发布

阅读量1.6k

点赞数 36

分类专栏： Pandas 文章标签： pandas

本文链接：https://blog.csdn.net/qq_41813454/article/details/139044809

版权

Pandas 专栏收录该内容

26 篇文章 3 订阅

订阅专栏

【Pandas】一文向您详细介绍 pd.date_range()

下滑即可查看博客内容
在这里插入图片描述

🌈 欢迎莅临我的个人主页 👈这里是我静心耕耘深度学习领域、真诚分享知识与智慧的小天地！🎇

🎓 博主简介：985高校的普通本硕，曾有幸发表过人工智能领域的 中科院顶刊一作论文，熟练掌握PyTorch框架。

🔧 技术专长：在CV、NLP及多模态等领域有丰富的项目实战经验。已累计提供近千次定制化产品服务，助力用户少走弯路、提高效率，近一年好评率100% 。

📝 博客风采：积极分享关于深度学习、PyTorch、Python相关的实用内容。已发表原创文章500余篇，代码分享次数逾六万次。

💡 服务项目：包括但不限于科研辅导、知识付费咨询以及为用户需求提供定制化解决方案。

下滑即可查看博客内容

📅一、引言

在数据处理和分析中，时间序列数据是非常常见的。Pandas库中的pd.date_range()函数为我们提供了一个强大而灵活的工具，用于生成时间序列。本文将带您深入了解pd.date_range()函数的用法和特性，帮助您更好地处理时间序列数据。

🔍二、pd.date_range()基础用法

pd.date_range()函数的基本用法是生成一个时间序列的日期范围。它接受起始日期、结束日期和频率等参数，并返回一个DatetimeIndex对象。

示例代码

import pandas as pd

# 生成从2023年1月1日到2023年1月10日的日期范围，频率为日
date_range = pd.date_range(start='2023-01-01', end='2023-01-10', freq='D')
print(date_range)

输出结果

DatetimeIndex(['2023-01-01', '2023-01-02', '2023-01-03', '2023-01-04',
               '2023-01-05', '2023-01-06', '2023-01-07', '2023-01-08',
               '2023-01-09', '2023-01-10'],
              dtype='datetime64[ns]', freq='D')

📆三、频率参数详解

pd.date_range()函数中的freq参数用于指定时间序列的频率。Pandas支持多种频率，包括’D’（天）、‘H’（小时）、‘M’（分钟）、‘S’（秒）等。此外，还可以使用如’W-MON’（每周一）或’MS’（每月的第一天）等复杂频率。

示例代码

# 生成从2023年1月1日开始，频率为每周一的日期范围
weekly_mon = pd.date_range(start='2023-01-01', periods=4, freq='W-MON')
print(weekly_mon)

# 生成从2023年1月开始，频率为每月第一天的日期范围
monthly_start = pd.date_range(start='2023-01-01', periods=12, freq='MS')
print(monthly_start)

输出结果

DatetimeIndex(['2023-01-02', '2023-01-09', '2023-01-16', '2023-01-23'], dtype='datetime64[ns]', freq='W-MON')
DatetimeIndex(['2023-01-01', '2023-02-01', '2023-03-01', '2023-04-01',
               '2023-05-01', '2023-06-01', '2023-07-01', '2023-08-01',
               '2023-09-01', '2023-10-01', '2023-11-01', '2023-12-01'],
              dtype='datetime64[ns]', freq='MS')

💡四、pd.date_range()在实际应用中的例子

了解了pd.date_range()的基础用法后，让我们来看一个在实际应用中的例子，如何使用它来生成一个股票市场的交易日历。

示例代码

import pandas as pd

# 为了简化，我们只考虑周末不是交易日
# 生成一个从2023年1月1日到2023年12月31日的日期范围，包括周末
full_year = pd.date_range(start='2023-01-01', end='2023-12-31', freq='D')

# 定义一个函数判断是否为周末
def is_weekend(date):
    return date.weekday() >= 5  # 周六和周日是5和6

# 使用列表推导式过滤出非周末的日期
trading_days = [date for date in full_year if not is_weekend(date)]

# 将过滤后的日期转换为DatetimeIndex对象
trading_calendar = pd.DatetimeIndex(trading_days)
print(trading_calendar)

输出结果

DatetimeIndex(['2023-01-02', '2023-01-03', '2023-01-04', '2023-01-05',
               '2023-01-06', '2023-01-09', '2023-01-10', '2023-01-11',
               '2023-01-12', '2023-01-13',
               ...
               '2023-12-18', '2023-12-19', '2023-12-20', '2023-12-21',
               '2023-12-22', '2023-12-25', '2023-12-26', '2023-12-27',
               '2023-12-28', '2023-12-29'],
              dtype='datetime64[ns]', length=260, freq=None)