pandas pd.date_range() 生成日期序列

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

pandas.date_range() 是一个用于生成日期序列的函数，通常用于创建时间序列数据。通过指定起始日期、结束日期、频率等参数，可以生成一个 DatetimeIndex 对象，这个对象包含了按照指定频率排列的一系列日期。

语法

函数签名

pandas.date_range(
    start=None, 
    end=None, 
    periods=None, 
    freq=None, 
    tz=None, 
    normalize=False, 
    name=None, 
    inclusive='both', 
    *, 
    unit=None, 
    **kwargs
)

参数解释

start:
- 类型: str, datetime-like
- 意义: 序列的起始日期。如果未指定 end 或 periods，则必须提供。
end:
- 类型: str, datetime-like
- 意义: 序列的结束日期。如果未指定 start 或 periods，则必须提供。
periods:
- 类型: int, None
- 意义: 要生成的时间点数量。如果指定了 periods，则 start 或 end 其中之一必须指定。否则，日期将按 start 和 end 的跨度来计算。
freq:
- 类型: str, DateOffset
- 意义: 日期间隔频率。常见选项包括：
  - 'D': 天
  - 'B': 工作日
  - 'W': 周
  - 'M': 月末
  - 'H': 小时
  - 'T' 或 'min': 分钟
  - 'S': 秒
  - 'L': 毫秒
  - 'U': 微秒
  - 'N': 纳秒
tz:
- 类型: str 或 pytz.timezone 对象
- 意义: 指定时区。可以使用字符串（例如 'Asia/Shanghai'）或 pytz 模块中的时区对象。
normalize:
- 类型: bool
- 默认值: False
- 意义: 如果为 True，则将所有日期时间标准化到午夜，即时间部分将被忽略。
name:
- 类型: str
- 意义: 为生成的 DatetimeIndex 对象指定名称。
inclusive:
- 类型: str
- 默认值: 'both'
- 意义: 指定生成日期范围的包容性，可以是 'both'（包括起始和结束日期）、'neither'（不包括起始和结束日期）、'left'（包括起始日期）、'right'（包括结束日期）。
unit:
- 类型: str 或 None
- 意义: 指定输入的单位（例如 'ms' 表示毫秒）。仅在 start 和 end 为整数时使用。
kwargs:
- 意义: 其他附加参数。

返回值

类型: pandas.DatetimeIndex
意义: 返回一个 DatetimeIndex 对象，包含了生成的日期序列。

使用场景

pandas.date_range() 常用于生成等间隔的时间序列数据，例如统计数据的时间索引、分析金融数据、生成日历视图等。它在处理时间序列分析、数据预处理、时间窗口等操作中非常有用。

示例

生成一个包含10天的日期序列：

import pandas as pd

# 生成从2024年9月1日开始的10天日期序列
date_range = pd.date_range(start='2024-09-01', periods=10)

print(date_range)

输出:

DatetimeIndex(['2024-09-01', '2024-09-02', '2024-09-03', '2024-09-04',
               '2024-09-05', '2024-09-06', '2024-09-07', '2024-09-08',
               '2024-09-09', '2024-09-10'],
              dtype='datetime64[ns]', freq='D')

生成每月的最后一天的日期序列：

import pandas as pd

# 生成2024年全年的每月最后一天
date_range = pd.date_range(start='2024-01-01', end='2024-12-31', freq='M')

print(date_range)

输出:

DatetimeIndex(['2024-01-31', '2024-02-29', '2024-03-31', '2024-04-30',
               '2024-05-31', '2024-06-30', '2024-07-31', '2024-08-31',
               '2024-09-30', '2024-10-31', '2024-11-30', '2024-12-31'],
              dtype='datetime64[ns]', freq='M')

生成指定时区的日期序列：

import pandas as pd

# 生成北京时间的每小时日期序列
date_range = pd.date_range(start='2024-09-01', periods=10, freq='H', tz='Asia/Shanghai')

print(date_range)

输出:

DatetimeIndex(['2024-09-01 00:00:00+08:00', '2024-09-01 01:00:00+08:00',
               '2024-09-01 02:00:00+08:00', '2024-09-01 03:00:00+08:00',
               '2024-09-01 04:00:00+08:00', '2024-09-01 05:00:00+08:00',
               '2024-09-01 06:00:00+08:00', '2024-09-01 07:00:00+08:00',
               '2024-09-01 08:00:00+08:00', '2024-09-01 09:00:00+08:00'],
              dtype='datetime64[ns, Asia/Shanghai]', freq='H')

总结

pandas.date_range() 是一个强大的工具，可以轻松生成各种时间序列。在数据分析和时间序列处理的各个场景中，它提供了丰富的功能来满足不同的需求。通过调整参数，可以灵活地生成指定起点、终点、频率和时区的日期时间索引。

参考

https://pandas.pydata.org/docs/reference/api/pandas.date_range.html