Pandas日期功能

扩展时间序列，日期功能在财务数据分析中发挥重要作用。在处理日期数据时，我们经常会遇到以下情况 -

创建一个日期范围

通过指定周期和频率来使用 date.range（） 函数，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)

其输出如下 -

DatetimeIndex(['2011-01-01', '2011-01-02', '2011-01-03', '2011-01-04', '2011-01-05'],
dtype='datetime64[ns]', freq='D')

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

其输出如下 -

DatetimeIndex(['2011-01-31', '2011-02-28', '2011-03-31', '2011-04-30', '2011-05-31'],
dtype='datetime64[ns]', freq='M')

bdate_range（）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)

其输出如下 -

DatetimeIndex(['2011-01-01', '2011-01-02', '2011-01-03', '2011-01-04', '2011-01-05'],
dtype='datetime64[ns]', freq='D')

观察，3月3日以后，日期跳至3月6日，不包括4日和5日。只需检查你的日历的日子。

诸如 date_range 和 bdate_range之 类的便利函数使用各种频率别名。date_range的默认频率是日历日，而bdate_range的默认频率是营业日。

import pandas as pd
start = pd.datetime(2011, 1, 1)
end = pd.datetime(2011, 1, 5)
print pd.date_range(start, end)

其输出如下 -

DatetimeIndex(['2011-01-01', '2011-01-02', '2011-01-03', '2011-01-04', '2011-01-05'],
dtype='datetime64[ns]', freq='D')

一些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补偿别名。