创建固定频率的时间序列

Pandas中提供了一个date_range()函数，主要用于生成一个具有固定频率的DatetimeIndex对象，该函数的语法格式如下：

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

部分参数的含义如下：

(1) start：表示起始日期，默认为None。

(2) end：表示终止日期，默认为None。

(3) periods：表示产生多少个时间戳索引值。若设置为None，则start与end必须不能为None。

(4) freq：表示以自然日为单位，这个参数用来指定计时单位，比如’5H’表示每隔5个小时计算一次。

(5) tz：表示时区，比如Asia/Hong_Kong。

(6) normalize：接收布尔值，默认值为False。如果设为True的话，那么在产生时间戳索引值之前，会将start和end都转化为当日的午夜0点。

(7) name：给返回的时间序列索引指定一个名字。

(8) closed：表示start和end这个区间端点是否包含在区间内，可以取值为如下选项：

• left：表示左闭右开区间；

• right：表示左开右闭区间；

• None：表示两边都是闭区间。

需要注意的是，start、end、periods、freq这四个参数至少要指定三个参数，否则会出现错误。

当调用date_range()函数创建DatetimeIndex对象时，如果只是传入了开始日期（start参数）与结束日期（end参数），则默认生成的时间点是按天计算的，即freq参数为D，示例代码如下。

In [17]: # 创建DatetimeIndex对象时，只传入开始日期与结束日期
         pd.date_range('2018/08/10', '2018/08/20')
Out[17]: 
DatetimeIndex(['2018-08-10', '2018-08-11', '2018-08-12', '2018-08-13',
​          '2018-08-14', '2018-08-15', '2018-08-16', '2018-08-17',
​          '2018-08-18', '2018-08-19', '2018-08-20'],
​         dtype='datetime64[ns]', freq='D')

如果只是传入了开始日期或结束日期，则还需要用periods参数指定产生多少个时间戳，示例代码如下。

In [18]: # 创建DatetimeIndex对象时，传入start与periods参数
         pd.date_range(start='2018/08/10', periods=5)
Out[18]: 
DatetimeIndex(['2018-08-10', '2018-08-11', '2018-08-12', '2018-08-13',
​         '2018-08-14'], dtype='datetime64[ns]', freq='D')
In [19]: # 创建DatetimeIndex对象时，传入end与periods参数
         pd.date_range(end='2018/08/10', periods=5)
Out[19]: 
DatetimeIndex(['2018-08-06', '2018-08-07', '2018-08-08', '2018-08-09',
​         '2018-08-10'], dtype='datetime64[ns]', freq='D')

由此可知，起始日期与结束日期定义了时间序列索引的严格边界。

如果希望时间序列中的时间戳都是每周固定的星期日，则可以在创建DatetimeIndex时将freq参数设为“W-SUN”。例如，创建一个DatetimeIndex对象，它是从2018年01月01日开始每隔一周连续生成五个星期日的日期，代码如下。

In [20]: dates_index = pd.date_range('2018-01-01', # 起始日期
​              periods=5,           # 周期
​              freq='W-SUN')         # 频率
        dates_index

Out[20]: 
DatetimeIndex(['2018-01-07', '2018-01-14', '2018-01-21', '2018-01-28',
​         '2018-02-04'],
​         dtype='datetime64[ns]', freq='W-SUN')

上述示例中，创建了一个固定频率的DatetimeIndex对象，其中start参数传入的是2018-01-01，说明从2018年1月1日开始算起， periods参数传入的是5，说明会生成5个日期， freq参数传入的是W-SUN，表示按每周日计算一次。

从输出结果可以看出，DatetimeIndex对象的列表中一共有五个日期字符串，第一个字符串表示的日期2018-01-07是2018年的第1个周日，第二个字符串表示的日期2018-01-14是2018年第2个周日，依次类推，每个字符串代表的都是2018年的周日。

例如，创建一个Series对象，将刚创建的dates_index作为该对象的索引，代码如下。

In [21]: ser_data = [12, 56, 89, 99, 31]
         pd.Series(ser_data, dates_index)
Out[21]: 
2018-01-07  12
2018-01-14  56
2018-01-21  89
2018-01-28  99
2018-02-04  31
Freq: W-SUN, dtype: int64

默认情况下，如果开始日期或起始日期中带有与时间相关的信息（如，12:13），则生成的时间序列中会保留时间信息。不过，从标准来说，每一天是从0点开始的，要想产生一组被规范化到当天午夜（00:00:00）的时间戳，可以将normalize参数的值设为True，示例代码如下。

In [22]: # 创建DatetimeIndex，并指定开始日期、产生日期个数、默认的频率，以及时区
         pd.date_range(start='2018/8/1 12:13:30', periods=5, tz='Asia/Hong_Kong')
Out[22]: 
DatetimeIndex(['2018-08-01 12:13:30+08:00', '2018-08-02 12:13:30+08:00',
​          '2018-08-03 12:13:30+08:00', '2018-08-04 12:13:30+08:00',
​          '2018-08-05 12:13:30+08:00'],
​         dtype='datetime64[ns, Asia/Hong_Kong]', freq='D')
In [23]: # 规范化时间戳
         pd.date_range(start='2018/8/1 12:13:30', periods=5, 
                       normalize=True, tz='Asia/Hong_Kong')

Out[23]: 
DatetimeIndex(['2018-08-01 00:00:00+08:00', '2018-08-02 00:00:00+08:00',
​          '2018-08-03 00:00:00+08:00', '2018-08-04 00:00:00+08:00',
​          '2018-08-05 00:00:00+08:00'],
​         dtype='datetime64[ns, Asia/Hong_Kong]', freq='D')

在上述两个示例中，第一个示例中生成的时间戳没有进行规范，它的时间信息为12:13:30，而第二个示例中对生成的时间戳进行了规范，它的时间信息为00:00:00。