pandas数据日期函数之date_range()、resample()与to_period()

文章目录

• • 1、date_range()
  • 2、resample()
  • 3、to_period()

1、date_range()

生成日期序列pandas.date_range(start=None, end=None, periods=None, freq=None, closed=None) 常见参数：start：开始日期end：结束日期periods：日期数量。 若同时指定start,end,periods,则会生成指定数量的时间间隔相同的日期closed：指定区间的开闭，默认是None，包含start和end  (left,right)freq：日期的频率，默认是'D'即天,常见还有M(月、显示xxxx-xx-31每月的最后一天) 如下图      还可以数字与其组合，如5D就是时间间隔为5天

import pandas as pd# 1、period指定日期数量，日期间隔相同 如结果有6个日期,且间隔为12日pd.date_range(start='2022-04-01',end='2022-05-31',periods=6)输出：DatetimeIndex(['2022-04-01', '2022-04-13', '2022-04-25', '2022-05-07', '2022-05-19', '2022-05-31'],dtype='datetime64[ns]', freq=None)# 2、freq类似指定日期格式：freq='D'表示日期格式为xxxx-xx-xx 具体到日pd.date_range(start='2022-04-01',end='2022-04-11',freq='D')输出：DatetimeIndex(['2022-04-01', '2022-04-02', '2022-04-03', '2022-04-04', '2022-04-05', '2022-04-06', '2022-04-07', '2022-04-08', '2022-04-09', '2022-04-10', '2022-04-11'],dtype='datetime64[ns]', freq='D')# 3、freq还可以赋值数字+字母：表示间隔为几个单位，如freq='2D' 表示间隔2日pd.date_range(start='2022-04-01',end='2022-04-11',freq='2D')输出：DatetimeIndex(['2022-04-01', '2022-04-03', '2022-04-05', '2022-04-07', '2022-04-09', '2022-04-11'],dtype='datetime64[ns]', freq='2D')# 4、closed表示日期是否包含左右边界日期;如下语句,包含右边日期,但不包含左边日期,结果显示也没有2022-04-01的pd.date_range(start='2022-04-01',end='2022-04-11',freq='2D',closed='right')输出：DatetimeIndex(['2022-04-03', '2022-04-05', '2022-04-07', '2022-04-09', '2022-04-11'],dtype='datetime64[ns]', freq='2D')# 5、freq='M' 表示以月为最小单位 显示的是每月最后一天pd.date_range(start='2022-04-01',end='2022-05-31',freq='M')输出：DatetimeIndex(['2022-04-30', '2022-05-31'], dtype='datetime64[ns]', freq='M')# 5.2、如果不想要最后的日,可以利用to_period('M')将其不显示pd.date_range(start='2022-04-01',end='2022-05-31',freq='M').to_period('M')输出：PeriodIndex(['2022-04', '2022-05'], dtype='period[M]', freq='M')# 6、freq='QS' 季度的第一天pd.date_range(start='2022-01-01',end='2022-12-31',freq='QS')输出：DatetimeIndex(['2022-01-01', '2022-04-01', '2022-07-01', '2022-10-01'], dtype='datetime64[ns]', freq='QS-JAN')# 9、freq='H' 时  start='2022-04-01',end='2022-04-02' 表示的只是1号的24小时pd.date_range(start='2022-04-01',end='2022-04-02',freq='6H')  输出:DatetimeIndex(['2022-04-01 00:00:00', '2022-04-01 06:00:00', '2022-04-01 12:00:00', '2022-04-01 18:00:00', '2022-04-02 00:00:00'],dtype='datetime64[ns]', freq='6H')pd.date_range(start='2022-04-01',end='2022-04-02',freq='6H',closed='right')输出： 左开右闭 指的是不包含2022-04-01 00:00:00 包含2022-04-02 00:00:00DatetimeIndex(['2022-04-01 06:00:00', '2022-04-01 12:00:00', '2022-04-01 18:00:00', '2022-04-02 00:00:00'],dtype='datetime64[ns]', freq='6H')

2、resample()

重新采样，是对原样本重新处理的一个方法，是一个对常规时间序列数据重新采样和频率转换的便捷的方法。用这个方法之前需将日期作为索引并转化为日期型索引DataFrame.resample(rule,label=None).sum()等函数 两个指标足以 rule : 重构规则('M'、'2D'等上图所示)label：指定，我们使用哪一个作为新的label 区间的左还是右 默认左

np.random.seed(20)  #保证每次生成的随机数都一样dt = pd.date_range(start='2022-01-01',end='2022-04-30',freq='D')num = np.random.randint(100,200,120)df = pd.DataFrame(num,index=dt,columns=['num'])df.index  # 看看索引类型 DatetimeIndex 日期型索引DatetimeIndex(['2022-01-01', '2022-01-02', '2022-01-03', '2022-01-04', '2022-01-05', '2022-01-06', '2022-01-07', '2022-01-08', '2022-01-09', '2022-01-10', ... '2022-04-21', '2022-04-22', '2022-04-23', '2022-04-24', '2022-04-25', '2022-04-26', '2022-04-27', '2022-04-28', '2022-04-29', '2022-04-30'],dtype='datetime64[ns]', length=120, freq='D')# 将日期索引重新采样为 每月的第一天为一组 进行求和df.resample('MS').sum()  num2022-01-0146472022-02-0141812022-03-0145052022-04-014489# 不显示日期后的日df.resample('M').sum().to_period('M')     num2022-0146472022-0241812022-0345052022-044489# 按季度分组求和df.resample('Q').sum()  num2022-03-31133332022-06-304489# .to_period('Q') 按季度显示 格式xxxxQn  xxxx年Qn季度df.resample('Q').sum().to_period('Q')     num2022Q1133332022Q24489

3、to_period()

to_period('')描述的是该日期处于那个时期例如to_period('M') 将日期以月为单位即 xxxx-xx  某天处于某个月分

# 生成日期dt = pd.date_range(start='2021-04-01',end='2023-04-30',freq='100D')DatetimeIndex(['2021-04-01', '2021-07-10', '2021-10-18', '2022-01-26', '2022-05-06', '2022-08-14', '2022-11-22', '2023-03-02'],dtype='datetime64[ns]', freq='100D')# 处于某年 dt.to_period('Y')PeriodIndex(['2021', '2021', '2021', '2022', '2022', '2022', '2022', '2023'], dtype='period[A-DEC]', freq='A-DEC')# 处于某月dt.to_period('M')PeriodIndex(['2021-04', '2021-07', '2021-10', '2022-01', '2022-05', '2022-08',      '2022-11', '2023-03'],     dtype='period[M]', freq='M')# 处于某个季度dt.to_period('Q')PeriodIndex(['2021Q2', '2021Q3', '2021Q4', '2022Q1', '2022Q2', '2022Q3',      '2022Q4', '2023Q1'],     dtype='period[Q-DEC]', freq='Q-DEC')

风车动漫