Python Pandas - Date Functionality
延长时间序列，日期功能在财务数据分析中发挥重要作用。 在使用Date数据时，我们会经常遇到以下情况 -
- 生成日期序列
- 将日期系列转换为不同的频率
创建一系列日期
通过指定句点和频率使用date.range()函数，我们可以创建日期系列。 默认情况下，范围的频率为天。
import pandas as pd
print pd.date_range('1/1/2011', periods=5)
其output如下 -
DatetimeIndex(['2011-01-01', '2011-01-02', '2011-01-03', '2011-01-04', '2011-01-05'],
dtype='datetime64[ns]', freq='D')
更改日期频率
import pandas as pd
print pd.date_range('1/1/2011', periods=5,freq='M')
其output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
bdate_range（）代表业务日期范围。 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output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，在3月3日之后，日期跳至6日，不包括第4和第5。 只需查看日历即可。
date_range和bdate_range等便捷函数使用各种频率别名。 date_range的默认频率是日历日，而bdate_range的默认频率是工作日。
import pandas as pd
start = pd.datetime(2011, 1, 1)
end = pd.datetime(2011, 1, 5)
print pd.date_range(start, end)
其output如下 -
DatetimeIndex(['2011-01-01', '2011-01-02', '2011-01-03', '2011-01-04', '2011-01-05'],
dtype='datetime64[ns]', freq='D')
偏移别名
许多字符串别名被赋予有用的公共时间序列频率。 我们将这些别名称为偏移别名。
| 别号 | 描述 | 别号 | 描述 |
|---|---|---|---|
| B | 工作日频率 | BQS | 业务季开始频率 |
| D | 日历日频率 | A | 年度（年）结束频率 |
| W | 每周频率 | BA | 业务年度结束频率 |
| M | 月末频率 | BAS | 营业年度开始频率 |
| SM | 半月结束频率 | BH | 营业时间频率 |
| BM | 营业月结束频率 | H | 每小时频率 |
| MS | 月开始频率 | T, min | 微小的频率 |
| SMS | 短信半月开始频率 | S | 其次是频率 |
| BMS | 营业月开始频率 | L, ms | milliseconds |
| Q | 四分之一结束频率 | U, us | microseconds |
| BQ | 业务季度结束频率 | N | nanoseconds |
| QS | 季度开始频率 |
