python时间序列按频率生成日期

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')
1
2
3
4
5
6
7
8
9
10
11
12
13
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')
1
2
3
4
5
6
7
8
9
10
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')
1
2
3
4
5
6
7
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')
1
2
3
4
5
6
7
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')
1
2
3
4
5
6
7
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')
1
2
3
4
5
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')
1
2
3
4
5
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')
1
2
3
4
5
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
---------------------

来源：https://www.cnblogs.com/ly570/p/10947720.html

标签

时间序列

pandas