Python Pandas - 日期功能

扩展时间序列，日期功能在金融数据分析中起着重要作用。在处理日期数据时，我们经常会遇到以下情况：

• 生成日期序列
• 将日期序列转换为不同的频率

创建日期范围

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)

其输出如下：

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

更改日期频率

import pandas as pd

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

其输出如下：

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()代表工作日范围。与date_range()不同，它不包括星期六和星期日。

import pandas as pd

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

其输出如下：

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

观察，3月3日之后，日期跳到3月6日，不包括4日和5日。只需查看一下您的日历即可确认日期。

像date_range和bdate_range这样的便捷函数使用各种频率别名。date_range的默认频率为日历日，而bdate_range的默认频率为工作日。

import pandas as pd
start = pd.datetime(2011, 1, 1)
end = pd.datetime(2011, 1, 5)

print pd.date_range(start, end)

其输出如下：

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

偏移别名

许多字符串别名被赋予有用的常用时间序列频率。我们将这些别名称为偏移别名。