Python Pandas 日期功能

在时间序列的基础上，日期功能在金融数据分析中发挥着重要作用。在处理日期数据的时候，我们会经常遇到以下情况

创建一个日期范围

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，范围的频率是天。

import pandas as pd

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

其输出情况如下—

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')

其 输出结果 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()代表商业日期范围。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 输出结果 如下 –

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

请注意，3月3日之后，日期会跳到3月6日，不包括4日和5日。请查看你的日历上的日子。

像 date_range 和 bdate_range 这样的便利函数利用了各种频率的别名。date_range的默认频率是一个日历日，而bdate_range的默认频率是一个营业日。

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

print pd.date_range(start, end)

其 输出结果 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有用的常见时间序列频率。我们将把这些别名称为偏移别名。