Python Pandas – 返回应用于BusinessDay便宜的增量计数

什么是BusinessDay？

BusinessDay是pandas库中的一个日期偏移量（Date Offsets）。它表示一组在工作日之间偏移的日期。具体来说，BusinessDay的实例表示一组在常规工作日（即周一至周五）之间偏移的日期。这与Week和Month类似，他们也是偏移量类。

使用BusinessDay时，可以指定偏移量并定义一个开始日期。例如以下代码段：

import pandas as pd
from pandas.tseries.offsets import BusinessDay

# 指定一个从2019-01-01开始的Business Day偏移量
business_day = BusinessDay(start='2019-01-01')

# 输出下一个在工作日之间偏移的日期
print(pd.to_datetime('2019-12-25') + business_day)

输出的结果是：

Timestamp('2019-12-26 00:00:00')

这是因为2019-12-25是一个非工作日，而下一个在工作日之间偏移的日期是2019-12-26。

应用于BusinessDay偏移量的增量计数

当我们需要对一段时间进行计数时，常用的方式是直接统计每个时间点的个数。但是，在某些情况下，我们需要按工作日进行计数，例如统计一段时间内每个工作日的销售额。这时候就需要使用BusinessDay偏移量的增量计数。

在pandas中，可以使用“pd.date_range”创建一段日期范围，并使用BusinessDay作为“freq”数组参数的值。例如：

import pandas as pd
from pandas.tseries.offsets import BusinessDay

# 指定一个从2019-01-01开始的Business Day偏移量
business_day = BusinessDay(start='2019-01-01')

# 创建一个日期范围
date_range = pd.date_range(start='2019-01-01', end='2019-01-10', freq=business_day)

# 输出日期范围
print(date_range)

输出的结果是：

DatetimeIndex(['2019-01-01', '2019-01-02', '2019-01-03', '2019-01-04',
               '2019-01-07', '2019-01-08', '2019-01-09', '2019-01-10'],
              dtype='datetime64[ns]', freq='B')

可以看到，输出的日期范围是从2019-01-01开始的8个BusinessDay。

由此可见，输出的日期范围已经考虑了工作日的影响，这意味着我们可以直接使用日期范围的长度来进行工作日的计数。例如：

import pandas as pd
from pandas.tseries.offsets import BusinessDay

# 指定一个从2019-01-01开始的Business Day偏移量
business_day = BusinessDay(start='2019-01-01')

# 创建一个日期范围
date_range = pd.date_range(start='2019-01-01', end='2019-01-10', freq=business_day)

# 输出日期范围长度，即工作日的数量
print(len(date_range))

输出的结果是：

这是因为从2019-01-01到2019-01-10一共有8个工作日。