python时间序列按频率生成日期的方法
作者:李太阳❀ 时间:2021-10-04 22:38:40
有时候我们的数据是按某个频率收集的,比如每日、每月、每15分钟,那么我们怎么产生对应频率的索引呢?pandas中的date_range可用于生成指定长度的DatetimeIndex。
我们先看一下怎么生成日期范围:pd.date_range(startdate,enddate)
1.生成指定开始日期和结束日期的时间范围:
In:import pandas as pd
index = pd.date_range('4/1/2019','5/1/2019')
print(index)
Out:
DatetimeIndex(['2019-04-01', '2019-04-02', '2019-04-03', '2019-04-04',
'2019-04-05', '2019-04-06', '2019-04-07', '2019-04-08',
'2019-04-09', '2019-04-10', '2019-04-11', '2019-04-12',
'2019-04-13', '2019-04-14', '2019-04-15', '2019-04-16',
'2019-04-17', '2019-04-18', '2019-04-19', '2019-04-20',
'2019-04-21', '2019-04-22', '2019-04-23', '2019-04-24',
'2019-04-25', '2019-04-26', '2019-04-27', '2019-04-28',
'2019-04-29', '2019-04-30', '2019-05-01'],
dtype='datetime64[ns]', freq='D')
也可以只指定开始日期或结束日期,但这时必须要输入一个时间长度,并且指定输入的是开始时间还是结束时间,如果不指定默认是开始时间。
date_range(startdate/enddate,periods)
In:print(pd.date_range(start = '4/1/2019',periods = 10))
Out:DatetimeIndex(['2019-04-01', '2019-04-02', '2019-04-03', '2019-04-04',
'2019-04-05', '2019-04-06', '2019-04-07', '2019-04-08',
'2019-04-09', '2019-04-10'],
dtype='datetime64[ns]', freq='D')
In:print(pd.date_range(start = '5/1/2019',periods = 10))
Out:DatetimeIndex(['2019-05-01', '2019-05-02', '2019-05-03', '2019-05-04',
'2019-05-05', '2019-05-06', '2019-05-07', '2019-05-08',
'2019-05-09', '2019-05-10'],
dtype='datetime64[ns]', freq='D')
现在我们已经知道怎么生成日期范围了,但是上面我们生成的日期的时间间隔都是天,接下来告诉大家怎么生成其他时间频率的日期范围。
要生成按某个频率计算的日期范围,只需要在date_range后加上freq就可以了。比如,生成每小时间隔的时间:
In:print(pd.date_range(start = '5/1/2019',periods = 10,freq = 'h'))
Out:DatetimeIndex(['2019-05-01 00:00:00', '2019-05-01 01:00:00',
'2019-05-01 02:00:00', '2019-05-01 03:00:00',
'2019-05-01 04:00:00', '2019-05-01 05:00:00',
'2019-05-01 06:00:00', '2019-05-01 07:00:00',
'2019-05-01 08:00:00', '2019-05-01 09:00:00'],
dtype='datetime64[ns]', freq='H')
生成时间间隔为3个小时的时间:
In:print(pd.date_range(start = '5/1/2019',periods = 10,freq = '3h'))
Out:DatetimeIndex(['2019-05-01 00:00:00', '2019-05-01 01:00:00',
'2019-05-01 02:00:00', '2019-05-01 03:00:00',
'2019-05-01 04:00:00', '2019-05-01 05:00:00',
'2019-05-01 06:00:00', '2019-05-01 07:00:00',
'2019-05-01 08:00:00', '2019-05-01 09:00:00'],
dtype='datetime64[ns]', freq='H')
生成时间间隔为1小时30分的时间:
In:print(pd.date_range(start = '5/1/2019',periods = 10,freq = '1h30min'))
Out:DatetimeIndex(['2019-05-01 00:00:00', '2019-05-01 01:30:00',
'2019-05-01 03:00:00', '2019-05-01 04:30:00',
'2019-05-01 06:00:00', '2019-05-01 07:30:00',
'2019-05-01 09:00:00', '2019-05-01 10:30:00',
'2019-05-01 12:00:00', '2019-05-01 13:30:00'],
dtype='datetime64[ns]', freq='90T')
python还可以生成其他不规则频率的时间,比如每月的第一个工作日,每月的第一个日历日等
生成每月的第一个工作日:
In:print(pd.date_range(start = '1/1/2019',periods = 12,freq = 'BMS'))
Out:DatetimeIndex(['2019-01-01', '2019-02-01', '2019-03-01', '2019-04-01',
'2019-05-01', '2019-06-03', '2019-07-01', '2019-08-01',
'2019-09-02', '2019-10-01', '2019-11-01', '2019-12-02'],
dtype='datetime64[ns]', freq='BMS')
生成每月的第一个日历日:
In:print(pd.date_range(start = '1/1/2019',periods = 12,freq = 'MS'))
Out:DatetimeIndex(['2019-01-01', '2019-02-01', '2019-03-01', '2019-04-01',
'2019-05-01', '2019-06-01', '2019-07-01', '2019-08-01',
'2019-09-01', '2019-10-01', '2019-11-01', '2019-12-01'],
dtype='datetime64[ns]', freq='MS')
有一种很实用的频率类,为“WOM”,即每月的几个星期几。比如每月的第三个星期五。如果我们每月的第三个星期五发工资,这样就可以很方便的知道今年每个月的工资日了。
In:print(pd.date_range(start = '1/1/2019',periods = 12,freq = 'WOM-3FRI'))
Out:DatetimeIndex(['2019-01-18', '2019-02-15', '2019-03-15', '2019-04-19',
'2019-05-17', '2019-06-21', '2019-07-19', '2019-08-16',
'2019-09-20', '2019-10-18', '2019-11-15', '2019-12-20'],
dtype='datetime64[ns]', freq='WOM-3FRI')
下面是python可使用的时间序列的基础频率表:
别名 | 偏移量类型 | 说明 |
---|---|---|
D | Day | 每日历日 |
B | BusinessDay | 每工作日 |
H | Hour | 每小时 |
T或min | Minute | 每分钟 |
S | Second | 每秒 |
L或ms | Milli | 每毫秒 |
U | Micro | 每微秒 |
M | MonthEnd | 每月最后一个日历日 |
BM | BusinessMonthEnd | 每月最后一个工作日 |
MS | MonthBegin | 每月第一个日历日 |
BMS | BusinessMonthBegin | 每月第一个工作日 |
W-MON、W-TUE | Week | 每周的星期几 |
WOM-1MON、WOM-2MON | WeekofMonth | 每月第几周的星期几 |
Q-JAN、Q-FEB | QuarterEnd | 每个季度对应的该月份的最后一个日历日 |
BQ-JAN、BQ-FEB | BusinessQuarterEnd | 每个季度对应的该月份的最后一个工作日 |
QS-JAN、QS-FEB | QuarterBegin | 每个季度对应的该月份的第一个日历日 |
BQS-JAN、BQS-FEB | QuarterBegin | 每个季度对应的该月份的第一个工作日 |
A-JAN、B-FEB | YearEnd | 每年指定月份的最后一个日历日 |
BA-JAN、BA-FEB | BusinessYearEnd | 每年指定月份的最后一个工作日 |
AS-JAN、AS-FEB | YearBegin | 每年指定月份的第一个日历日 |
BAS-JAN、BAS-FEB | BusinessYearBegin | 每年指定月份的第一个工作日 |
以上所述是小编给大家介绍的python时间序列按频率生成日期的方法详解整合网站的支持!
来源:https://blog.csdn.net/weixin_43342981/article/details/90144285
标签:python,时间序列
![](/images/zang.png)
![](/images/jiucuo.png)
猜你喜欢
PyCharm在新窗口打开项目的方法
2023-06-14 23:00:29
![](https://img.aspxhome.com/file/2023/9/86219_0s.jpg)
利用 Python 实现随机相对强弱指数 StochRSI
2023-03-23 22:31:08
![](https://img.aspxhome.com/file/2023/8/112158_0s.jpg)
自然选择:自然界的颜色与界面设计[译]
2009-09-19 17:17:00
![](https://img.aspxhome.com/file/UploadPic/20099/19/01-69s.jpg)
asp如何调用DLL来加快服务器的执行速度?
2009-11-15 20:07:00
Python中你所不知道的星号 * 用法
2022-08-06 15:25:43
使用PowerShell实现批量修改或替换文件名
2023-02-08 05:02:10
![](https://img.aspxhome.com/file/2023/0/120920_0s.png)
Python爬取新型冠状病毒“谣言”新闻进行数据分析
2021-06-14 04:47:33
![](https://img.aspxhome.com/file/2023/8/72948_0s.jpg)
python使用百度或高德地图获取地理位置并转换
2021-10-26 16:28:55
![](https://img.aspxhome.com/file/2023/5/101725_0s.png)
NumPy 数组使用大全
2023-05-28 23:10:57
修改 CentOS 6.x 上默认Python的方法
2023-08-07 10:02:59
20招让你的Python飞起来!
2022-08-24 18:39:39
Python中的文件和目录操作实现代码
2022-08-30 15:12:11
Python获取昨天、今天、明天开始、结束时间戳的方法
2022-08-23 18:23:40
python 的 openpyxl模块 读取 Excel文件的方法
2023-02-23 14:41:56
![](https://img.aspxhome.com/file/2023/6/67426_0s.jpg)
python 合并多个excel中同名的sheet
2023-06-06 08:34:27
![](https://img.aspxhome.com/file/2023/3/102943_0s.png)
TensorFlow-gpu和opencv安装详细教程
2023-02-16 00:55:55
![](https://img.aspxhome.com/file/2023/9/118399_0s.png)
如何用Python制作微信好友个性签名词云图
2023-02-24 07:46:20
![](https://img.aspxhome.com/file/2023/7/123567_0s.jpg)
Go 语言进阶freecache源码学习教程
2023-08-06 03:05:20
![](https://img.aspxhome.com/file/2023/5/97715_0s.jpg)
浅谈终端直接执行py文件,不需要python命令
2022-12-25 14:38:11
matplotlib绘制多子图共享鼠标光标的方法示例
2023-06-15 13:45:19
![](https://img.aspxhome.com/file/2023/7/61227_0s.png)