【Pandas】pandas Index objects PeriodIndex daysinmonth

Pandas2.2 Index objects

PeriodIndex Properties

方法	描述
PeriodIndex.day	用于获取 PeriodIndex 中每个周期对应的日（day）组件
PeriodIndex.dayofweek	用于获取 PeriodIndex 中每个周期对应的星期几
PeriodIndex.day_of_week	用于获取 PeriodIndex 中每个周期对应日期的星期几（数值形式）
PeriodIndex.dayofyear	用于获取 PeriodIndex 中每个周期对应日期在一年中的天数（序数日期）
PeriodIndex.day_of_year	用于获取 PeriodIndex 中每个周期对应日期在一年中的天数（序数日期）
PeriodIndex.days_in_month	用于获取 PeriodIndex 中每个周期对应月份的天数
PeriodIndex.daysinmonth	用于获取 PeriodIndex 中每个周期对应月份的天数

pandas.PeriodIndex.daysinmonth

方法描述

pandas.PeriodIndex.daysinmonth 是 PeriodIndex 对象的一个属性，用于获取 PeriodIndex 中每个周期对应月份的天数。该属性返回一个 Index 对象，包含每个周期所在月份的总天数。

返回值

返回一个 Index 对象，包含每个周期所在月份的天数：

• 28、29 天表示二月（平年或闰年）
• 30 天表示 4、6、9、11 月
• 31 天表示 1、3、5、7、8、10、12 月

使用示例

import pandas as pd

# 创建一个包含不同月份的 PeriodIndex
periods_monthly = pd.period_range('2023-01', periods=12, freq='M')
print("原始 PeriodIndex:")
print(periods_monthly)
print()

# 获取每个月份的天数
days_in_month_values = periods_monthly.daysinmonth
print("每个月份的天数:")
print(days_in_month_values)
print()

# 创建包含更多信息的 DataFrame 来展示实际用途
df = pd.DataFrame({
    'period': periods_monthly,
    'days_in_month': days_in_month_values
})

print("完整的数据展示:")
print(df)

执行结果:

原始 PeriodIndex:
PeriodIndex(['2023-01', '2023-02', '2023-03', '2023-04', '2023-05', '2023-06',
             '2023-07', '2023-08', '2023-09', '2023-10', '2023-11', '2023-12'],
            dtype='period[M]')

每个月份的天数:
Int64Index([31, 28, 31, 30, 31, 30, 31, 31, 30, 31, 30, 31], dtype='int64')

完整的数据展示:
     period  days_in_month
0  2023-01             31
1  2023-02             28
2  2023-03             31
3  2023-04             30
4  2023-05             31
5  2023-06             30
6  2023-07             31
7  2023-08             31
8  2023-09             30
9  2023-10             31
10 2023-11             30
11 2023-12             31

闰年处理示例

import pandas as pd

# 创建包含闰年二月的 PeriodIndex
leap_year_periods = pd.period_range('2024-01', periods=12, freq='M')
print("闰年 PeriodIndex:")
print(leap_year_periods)
print()

print("每个月份的天数:")
print(leap_year_periods.daysinmonth)
print()

# 对比非闰年
non_leap_year_periods = pd.period_range('2023-01', periods=12, freq='M')
print("非闰年 PeriodIndex:")
print(non_leap_year_periods)
print()

print("每个月份的天数:")
print(non_leap_year_periods.daysinmonth)

执行结果:

闰年 PeriodIndex:
PeriodIndex(['2024-01', '2024-02', '2024-03', '2024-04', '2024-05', '2024-06',
             '2024-07', '2024-08', '2024-09', '2024-10', '2024-11', '2024-12'],
            dtype='period[M]')

每个月份的天数:
Int64Index([31, 29, 31, 30, 31, 30, 31, 31, 30, 31, 30, 31], dtype='int64')

非闰年 PeriodIndex:
PeriodIndex(['2023-01', '2023-02', '2023-03', '2023-04', '2023-05', '2023-06',
             '2023-07', '2023-08', '2023-09', '2023-10', '2023-11', '2023-12'],
            dtype='period[M]')

每个月份的天数:
Int64Index([31, 28, 31, 30, 31, 30, 31, 31, 30, 31, 30, 31], dtype='int64')

日频率下的使用示例

import pandas as pd

# 创建一个日频率的 PeriodIndex，跨越不同月份
daily_periods = pd.period_range('2023-01-30', periods=5, freq='D')
print("日频率 PeriodIndex:")
print(daily_periods)
print()

# 获取每一天所在月份的天数
days_in_month_daily = daily_periods.daysinmonth
print("每一天所在月份的天数:")
print(days_in_month_daily)
print()

# 创建包含更多信息的 DataFrame 来展示实际用途
df_daily = pd.DataFrame({
    'period': daily_periods,
    'days_in_month': days_in_month_daily
})

print("完整的数据展示:")
print(df_daily)

执行结果:

日频率 PeriodIndex:
PeriodIndex(['2023-01-30', '2023-01-31', '2023-02-01', '2023-02-02',
             '2023-02-03'],
            dtype='period[D]')

每一天所在月份的天数:
Int64Index([31, 31, 28, 28, 28], dtype='int64')

完整的数据展示:
      period  days_in_month
0 2023-01-30             31
1 2023-01-31             31
2 2023-02-01             28
3 2023-02-02             28
4 2023-02-03             28

实际应用场景

import pandas as pd
import numpy as np

# 模拟一年的销售数据，按月记录
dates = pd.period_range('2023-01', periods=12, freq='M')
sales = np.random.randint(10000, 50000, size=12)  # 随机月销售额

sales_data = pd.DataFrame({
    'month': dates,
    'sales': sales
})

# 添加每月天数信息
sales_data['days_in_month'] = sales_data['month'].dt.daysinmonth

# 计算日均销售额
sales_data['daily_average'] = sales_data['sales'] / sales_data['days_in_month']

print("销售数据与每月天数:")
print(sales_data)
print()

# 找出日均销售额最高的月份
highest_daily_avg = sales_data.loc[sales_data['daily_average'].idxmax()]
print(f"日均销售额最高的月份: {highest_daily_avg['month']}")
print(f"该月销售额: {highest_daily_avg['sales']}")
print(f"该月天数: {highest_daily_avg['days_in_month']}")
print(f"日均销售额: {highest_daily_avg['daily_average']:.2f}")

不同频率下的使用

import pandas as pd

# 季度频率
quarterly_periods = pd.period_range('2023Q1', periods=4, freq='Q')
print("季度频率 PeriodIndex:")
print(quarterly_periods)
print("每个季度结束月份的天数:")
print(quarterly_periods.daysinmonth)
print()

# 年频率
yearly_periods = pd.period_range('2020', periods=5, freq='Y')
print("年频率 PeriodIndex:")
print(yearly_periods)
print("每年12月的天数:")
print(yearly_periods.daysinmonth)

执行结果:

季度频率 PeriodIndex:
PeriodIndex(['2023Q1', '2023Q2', '2023Q3', '2023Q4'], dtype='period[Q-DEC]')

每个季度结束月份的天数:
Int64Index([31, 30, 30, 31], dtype='int64')

年频率 PeriodIndex:
PeriodIndex(['2020', '2021', '2022', '2023', '2024'], dtype='period[A-DEC]')

每年12月的天数:
Int64Index([31, 31, 31, 31, 31], dtype='int64')

注意事项

1. daysinmonth 属性适用于所有频率的 PeriodIndex，包括年、季度、月、日等频率
2. 对于月频率，返回的是该月的总天数
3. 对于日频率，返回的是该日所在月份的总天数
4. 对于季度频率，返回的是该季度最后一个月的天数
5. 对于年频率，返回的是该年12月的天数（因为年周期默认以12月结束）
6. 闰年处理：闰年的二月会正确返回29天，平年二月返回28天
7. 该属性是只读的，不能修改