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：

创建日期范围

使用 date.range() 函数，通过指定周期和频率，我们可以创建日期序列。默认情况下，日期范围的频率是天。

import pandas as pd

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

它的输出如下：

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

import pandas as pd

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

它的输出如下：

DatetimeIndex(['2011-01-31', '2011-02-28', '2011-03-31', '2011-04-30', '2011-05-31'],
   dtype='datetime64[ns]', freq='M')

bdate_range() 表示营业日期范围。与date_range()不同，它排除星期六和星期日。

import pandas as pd

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

它的输出如下：

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

观察一下，在3月3日之后，日期跳到了3月6日，不包括4日和5日。请检查您的日历以获取这几天的信息。

方便的函数，例如 date_range 和 bdate_range ，使用了多种频率别名。date_range的默认频率是按日历日计算，而bdate_range的默认频率是按工作日计算。

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

print pd.date_range(start, end)

它的输出如下：

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

一些字符串别名被赋予了常见的时间序列频率。我们将这些别名称为偏移别名。