pandas中的几个时间序列生成函数

文章目录

最近在处理跟时间相关的数据，用到了pandas中的datetime的几个函数，本篇来说一下pandas中几个常见的时间序列生成函数。

pd.date_range函数

pd.date_range(start=None, end=None, periods=None, freq=None, tz=None, normalize=False, name=None, closed=None)

先来讲一下各参数的含义：
- start：即开始时间，得是字符形式的，如"2020-1-9"；
- end：结束时间，格式同start；
- periods：生成的时间个数；
- freq：生成时间的间隔频率，不写默认“D”；我列出常用的几个：
freq别称说明/以下述为频率
B 工作日
C 自定义工作日
D 日历的日期
W 周
M 月末
Q 季度末
Y 年末
H 小时
T 分钟
S 秒
MS 月初
QS 季度初
YS 年初
SMS 前半月（1号和15号）
- tz：设置时区，如设置上海时间–“Asia/Shanghai”；
- normalize：是否在生成序列前将start或end的日期设为凌晨00点；默认False；
- name：设置该时间序列的名称；
- closed：有三个值–None、left、right，设置是否为闭区间，默认为None，全闭。
接着可以看一个示例：
```
date = pd.date_range(start="2019-9-15", periods=7, freq="2SMS", tz="Asia/Shanghai")
date

'''
返回：
DatetimeIndex(['2019-09-15 00:00:00+08:00', '2019-10-15 00:00:00+08:00',
               '2019-11-15 00:00:00+08:00', '2019-12-15 00:00:00+08:00',
               '2020-01-15 00:00:00+08:00', '2020-02-15 00:00:00+08:00',
               '2020-03-15 00:00:00+08:00'],
              dtype='datetime64[ns, Asia/Shanghai]', freq='2SMS-15')
'''
```
可以看到，加上时区之后多加了8个小时；同时freq里并不是单纯的示例格式，反而多了一个2，可以这样计算：原SMS代表半月即15天，加上2之后代表乘以2，即变为了30天。
pd.period_range函数

freq别称	说明/以下述为频率
B	工作日
C	自定义工作日
D	日历的日期
W	周
M	月末
Q	季度末
Y	年末
H	小时
T	分钟
S	秒
MS	月初
QS	季度初
YS	年初
SMS	前半月（1号和15号）

- pd.period_range(start=None, end=None, periods=None, freq=None, name=None)

参数意思都是一样的，因此就不解释了。直接上厘子例子。

# 频率默认以“天”算
period = pd.period_range(start="2019-2-2", periods=2)
period

'''
返回：
PeriodIndex(['2019-02-02', '2019-02-03'], dtype='period[D]', freq='D')
'''

单这样看肯定会觉得和date_range函数没有多大区别，最多只是数据类型不一样。不过无需着急，接下来我再放几个该函数的例子，一对比，就能很快发现区别。

# 频率以“季度”算
period = pd.period_range(start="2019-2-2", periods=2, freq="Q")
period

'''
返回：
PeriodIndex(['2019Q1', '2019Q2'], dtype='period[Q-DEC]', freq='Q-DEC')
'''


# 频率以“月”算
period = pd.period_range(start="2019-2-2", periods=2, freq="M")
period

'''
返回：
PeriodIndex(['2019-02', '2019-03'], dtype='period[M]', freq='M')
'''


# 频率以“年”算
period = pd.period_range(start="2019-2-2", periods=2, freq="Y")
period

'''
返回：
PeriodIndex(['2019', '2020'], dtype='period[A-DEC]', freq='A-DEC')
'''

很明显，date_range是没有这个的，从始至终它都返回日期（有设定时间也会把时间返回）。

pd.timedelta_range函数

pd.timedelta_range(start=None, end=None, periods=None, freq=None, name=None, closed=None)

个人感觉这个函数相对用得少，还没在实际中真正用到过这个函数。它返回的是天数，以小于等于天的单位做频率，小时、秒都行。代码示例中用的是小时。（H前的数字代表倍数，5个小时）

delta = pd.timedelta_range(start="1 day", periods=3, freq="5H")
delta

'''
返回：
TimedeltaIndex(['1 days 00:00:00', '1 days 05:00:00', '1 days 10:00:00'], dtype='timedelta64[ns]', freq='5H')
'''

pd.interval_range函数

pd.interval_range(start=None, end=None, periods=None, freq=None, name=None, closed='right')

这个函数可以返回时间区间，也可以返回数值区间。

唯一需要注意的是：若要返回时间区间，start和end的参数不能直接写时间字符串(“2020-9-1”)，应该用上pd.Timestamp(时间)。

# 返回时间区间
interval = pd.interval_range(start=pd.Timestamp("2020-1-15"), end=pd.Timestamp("2020-3-15"), freq="2SMS")
interval

'''
返回：
IntervalIndex([(2020-01-15, 2020-02-15], (2020-02-15, 2020-03-15]],
              closed='right',
              dtype='interval[datetime64[ns]]')
'''


# 返回数值区间
interval = pd.interval_range(start=0, end=10)
interval

'''
返回：
IntervalIndex([(0, 1], (1, 2], (2, 3], (3, 4], (4, 5], (5, 6], (6, 7], (7, 				 8], (8, 9], (9, 10]],
              closed='right',
              dtype='interval[int64]')
'''

以上就是pandas关于时间序列的函数的总结，有遗漏的欢迎小伙伴在评论区补充哦，大家一起学习(#^.#)。

文章目录

pd.date_range函数

pd.period_range函数

pd.timedelta_range函数

pd.interval_range函数