Python Pandas – 检查CustomBusinessDay偏移量是否已归一化

什么是CustomBusinessDay？

CustomBusinessDay是pandas.tseries.offsets模块中的一个类，它是一种定制化的偏移量，用于计算工作日的时间偏移量。这个偏移量可以帮助我们在工作日内进行日期计算，比如在交易日内计算股票的收益率，或者在工作日内计算项目的完成时间。

如何创建CustomBusinessDay？

我们可以通过pandas.tseries.offsets.CustomBusinessDay类来创建一个CustomBusinessDay偏移量，这个类有很多可选参数，可以用来定制化我们的工作日偏移量。下面是一个示例：

from pandas.tseries.offsets import CustomBusinessDay
from pandas.tseries.holiday import USFederalHolidayCalendar

usb = CustomBusinessDay(calendar=USFederalHolidayCalendar())

在上面的例子中，我们通过CustomBusinessDay的calendar参数，使用了一个USFederalHolidayCalendar对象来定制化我们的偏移量，这个参数的默认值是None，表示使用标准的工作日日历。

如何判断CustomBusinessDay是否已归一化？

在进行日期计算时，我们可能会遇到需要进行数据归一化的情况，这是为了保证我们的数据是在同样的时间维度上进行对比计算的。对于CustomBusinessDay偏移量来说，它需要使用pandas.Timedelta对象进行归一化，以方便日期的计算。下面是一个示例：

from pandas import Timestamp

date1 = Timestamp('2019-01-01')
date2 = Timestamp('2019-01-15')

usb = CustomBusinessDay()
diff = date2 - date1
diff_normalized = diff / usb

print('diff:', diff.days)  # 输出结果为：diff: 14
print('diff_normalized:', diff_normalized.days)  # 输出结果为：diff_normalized: 10

在上面的代码中，我们创建了一个CustomBusinessDay偏移量并使用它计算了date2 - date1的时间偏移量，然后进行了数据归一化，得到了10个工作日的时间偏移量。由于我们使用的是CustomBusinessDay偏移量，如果我们没有进行数据归一化，直接使用diff.days来计算date2 - date1的工作日数量，我们会得到一个错误的结果。

为了更方便的检查CustomBusinessDay是否已归一化，我们可以使用is_normalized方法，这个方法会返回True或False来表示偏移量是否已归一化。下面是一个使用示例：

from pandas.tseries.offsets import CustomBusinessDay

usb1 = CustomBusinessDay()  # 没有进行归一化的偏移量
usb2 = CustomBusinessDay(weekmask='Mon Tue Wed Thu Fri', holidays=['2019-01-01'])

print('usb1是否已归一化：', usb1.is_normalized())  # 输出结果为：usb1是否已归一化： False
print('usb2是否已归一化：', usb2.is_normalized())  # 输出结果为：usb2是否已归一化： True

在上面的代码中，我们分别创建了两个CustomBusinessDay偏移量，其中usb1没有进行数据归一化，而usb2已进行归一化。使用is_normalized方法可以检查偏移量是否已归一化。