Python Pandas – 从 DateTimeIndex 中提取频率

在使用 Pandas 进行时间序列数据分析时，我们常常需要从 DateTimeIndex（时间索引）中提取时间频率。本文将介绍如何通过 Pandas 的 freq 属性来获取 DateTimeIndex 中的时间频率，并给出实例代码。

更多Pandas相关文章，请阅读：Pandas 教程

1. DateTimeIndex 简介

在 Pandas 中，DateTimeIndex 用于存放时间序列数据的索引。DateTimeIndex 的创建通常使用 Pandas 的 to_datetime() 函数，它能够将字符串形式的时间数据转换为 Datetime 对象。具体用法如下：

import pandas as pd

# 创建一个包含时间数据的 Series
dates = pd.Series(['2021-05-01 12:00:00', '2021-05-02 12:00:00', '2021-05-03 12:00:00'])

# 将 Series 转换为 DateTimeIndex
datetimeIndex = pd.to_datetime(dates)

print(datetimeIndex)

运行以上代码，输出结果如下：

0   2021-05-01 12:00:00
1   2021-05-02 12:00:00
2   2021-05-03 12:00:00
dtype: datetime64[ns]

可以看出，使用 Pandas 的 to_datetime() 函数将包含时间数据的 Series 转换为了 DateTimeIndex。需要注意的是，在转换时要保证时间数据格式正确，否则会出现转换不成功的情况。

2. 提取时间频率

在 Pandas 中，我们可以通过 freq 属性来获取 DateTimeIndex 的时间频率。具体用法如下：

import pandas as pd

# 创建一个包含时间数据的 Series
dates = pd.Series(['2021-05-01 12:00:00', '2021-05-02 12:00:00', '2021-05-03 12:00:00'])

# 将 Series 转换为 DateTimeIndex
datetimeIndex = pd.to_datetime(dates)

# 获取 DateTimeIndex 的时间频率
frequency = datetimeIndex.freq

print(frequency)

运行以上代码，输出结果如下：

None

此处输出 None 的原因是，DateTimeIndex 中并没有指定时间频率。如果我们指定了时间频率，那么就可以正确地获取到时间频率了。具体用法如下：

import pandas as pd

# 创建一个包含时间数据的 Series
dates = pd.Series(['2021-05-01 12:00:00', '2021-05-02 12:00:00', '2021-05-03 12:00:00'])

# 将 Series 转换为 DateTimeIndex，并设置时间频率为每天
datetimeIndex = pd.to_datetime(dates, freq='D')

# 获取 DateTimeIndex 的时间频率
frequency = datetimeIndex.freq

print(frequency)

运行以上代码，输出结果如下：

<Day>

由于我们在创建 DateTimeIndex 时指定了时间频率为每天（’D’），因此获取到的时间频率就是 Day。

在 Pandas 中，支持的时间频率非常多，下面是一些常用的时间频率和对应的代码值：

3. 示例代码

在这里，我们给出一个简单的示例代码，演示如何使用 Pandas 获取 DateTimeIndex 的时间频率。

import pandas as pd

# 创建一个包含时间数据的 Series
dates = pd.Series(['2021-05-01 12:00:00', '2021-05-02 12:00:00', '2021-05-03 12:00:00'])

# 将 Series 转换为 DateTimeIndex，并设置时间频率为每天
datetimeIndex = pd.to_datetime(dates, freq='D')

# 获取 DateTimeIndex 的时间频率
frequency = datetimeIndex.freq

print(frequency)

# 将 Series 转换为 DataFrame
data = pd.DataFrame({'date': datetimeIndex, 'value': [1, 2, 3]})

# 按照时间频率进行重采样
resampled_data = data.resample('W', on='date').sum()

print(resampled_data)

以上代码中，我们将包含时间数据的 Series 转换为 DateTimeIndex，并设置时间频率为每天（’D’）。然后将其转换为 DataFrame，并按照每周的时间频率进行重采样，生成新的 DataFrame。运行以上代码，输出结果如下：

<Day>
            value
date             
2021-05-02      3
2021-05-09      1

可以看到，按照每周的时间频率重采样后，数据的值被加和到了每周的第一天（例如 2021-05-02 对应的值是 3，是原始数据中 2021-05-01 和 2021-05-02 的值相加得到的）。这样就方便了我们对时间序列数据的聚合和统计分析。

结论

在 Pandas 中，我们可以通过 freq 属性来获取 DateTimeIndex 的时间频率。需要注意的是，在创建 DateTimeIndex 时要正确地设置时间频率，否则会导致时间频率无法正确获取。通过获取时间频率，我们可以方便地对时间序列数据进行聚合和重采样。