• python时间序列按频率生成日期的方法


    引用:https://www.zhangshengrong.com/p/281omE7rNw/

    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,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对我们网站的支持!

    见贤思齐,见不贤而自省
  • 相关阅读:
    Ruby编程语言学习笔记1
    SQL SERVER 2008 基础知识
    SQLServer批量插入数据的两种方法
    JQuery基础
    wpf首次项目开发技术总结之access数据库
    wpf首次项目开发技术总结wpf页面
    c#项目开发常见问题
    pl/sql基础
    wpf 开发应用初次总结
    博客园安家
  • 原文地址:https://www.cnblogs.com/Sweepingmonk/p/11609023.html
Copyright © 2020-2023  润新知