本文共 1598 字，大约阅读时间需要 5 分钟。

在Pandas中调整时间序列的开始和结束日期

当你需要对Pandas中的时间序列进行重采样并调整其时间范围时，可以通过resample()函数与date_range()函数的配合实现。以下是详细的操作步骤和代码示例

步骤1 导入必要的库

确保你已安装并导入了以下库

import pandas as pdfrom datetime import datetime, timedelta

步骤2 创建时间序列数据框

首先，创建一个包含日期和值的时间序列数据框

# 创建时间索引dates = [datetime(2023, i, j) for i in range(1, 13) for j in range(1, 31)]# 创建值列表values = list(range(len(dates)))# 创建数据框df = pd.DataFrame({'date': dates, 'value': values})# 将日期列设置为索引df.set_index('date', inplace=True)

步骤3 使用resample()函数进行重采样

接下来，使用resample()函数进行重采样，并指定新的开始和结束日期

# 指定新的开始和结束日期start_date = datetime(2022, 1, 1)end_date = datetime(2023, 12, 31)# 使用新的开始和结束日期进行重采样resampled_df = df.resample('D', loffset=timedelta(days=-start_date.day)).sum().loc[start_date:end_date]

关键点说明

完整代码

以下是完整的代码示例

import pandas as pdfrom datetime import datetime, timedelta# 创建时间索引dates = [datetime(2023, i, j) for i in range(1, 13) for j in range(1, 31)]# 创建值列表values = list(range(len(dates)))# 创建数据框df = pd.DataFrame({'date': dates, 'value': values})# 将日期列设置为索引df.set_index('date', inplace=True)# 指定新的开始和结束日期start_date = datetime(2022, 1, 1)end_date = datetime(2023, 12, 31)# 使用新的开始和结束日期进行重采样resampled_df = df.resample('D', loffset=timedelta(days=-start_date.day)).sum().loc[start_date:end_date]

使用说明

在这个示例中：

• 我们创建了一个包含1年至12月所有31天的时间序列数据框
• 使用resample('D')将数据按照每日频率进行重采样
• 通过设置loffset=timedelta(days=-start_date.day)调整了重采样后的起始日期
• 最后使用.loc[start_date:end_date]筛选了重采样后的数据

通过这种方法，你可以轻松地调整Pandas中的时间序列数据的开始和结束日期，从而满足不同的分析需求

如果需要进一步调整重采样后的数据范围，可以参考Pandas官方文档获取更多参数和功能说明

转载地址：http://nnvfk.baihongyu.com/