Python Pandas 日期功能

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

  • 生成日期序列
  • 将日期序列转换为不同的频率

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)

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')

改变日期频率

import pandas as pd

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

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

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)

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。

date_rangebdate_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)

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')

偏移别名

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。

别名 说明 别名 描述
B 工作日频率 BQS 业务季度开始频率
D 日历日频率 A 年度(年)结束频率
W 周频 BA 业务年末频率
M 月末频率 BAS 业务年开始频率
SM 半月末频率 BH 工作时间频率
BM 业务月末频率 H 每小时频率
MS 月开始频率 T, min 每分钟频率
SMS 短信半月起始频率 S 秒频
BMS 业务月开始频率 L, ms 毫秒
Q 季度末频率 U, us 微秒
BQ 业务季度末的频率 N 纳秒
QS 季度起始频率

Python教程

Java教程

Web教程

数据库教程

图形图像教程

大数据教程

开发工具教程

计算机教程