Python Pandas – 从DateTimeIndex提取频率对象并作为字符串输出

在 Pandas 中，DateTimeIndex 类型是非常常见的时间序列数据类型。我们可以通过 DataFrame 中的某一列来创建 DateTimeIndex 类型的数据，或者手动创建一个时间序列的数据，用于数据分析和时间序列处理。

但是，在实际情况中，我们需要对 DateTimeIndex 类型的数据进行更加深入的处理，比如提取时间频率对象等。本篇文章将介绍如何从 DateTimeIndex 中提取时间频率对象，并将其作为字符串输出。

更多Pandas相关文章，请阅读：Pandas 教程

DateTimeIndex 类型

首先，让我们来了解一下 DateTimeIndex 类型。DateTimeIndex 类型是 Pandas 中用于表示时间序列数据的索引类型，可以用于任何 Pandas 数据结构中的索引或列，例如 DataFrame 或 Series。DateTimeIndex 可以处理不同的时间单位和时区的时间数据，包括日期、时间和日期时间。

让我们来创建一个 DateTimeIndex 类型的数据，方便后续的讲解。我们可以通过以下代码创建一个包含三个日期的 DateTimeIndex 类型的数据：

import pandas as pd

dates = pd.date_range('20220101', periods=3)
print(dates)

输出结果为：

DatetimeIndex(['2022-01-01', '2022-01-02', '2022-01-03'], dtype='datetime64[ns]', freq='D')

可以看到，dates 变量是一个包含三个日期的 DateTimeIndex 类型的数据。dtype 表示数据类型为 datetime64[ns]，freq 表示时间频率为 D（天）。

提取时间频率对象

提取时间频率对象可以帮助我们更深入地了解 DateTimeIndex 类型数据的具体时间分布情况。可以通过 index 对象来获得 DateTimeIndex 的时间频率，即使用 datetime_properties 属性。

import pandas as pd

dates = pd.date_range('20220101', periods=3, freq='H')
idx = pd.DatetimeIndex(dates)
freq = idx.freq

print(freq)

输出结果为：

<Hour>

在上述代码中，我们首先创建了一个包含三个日期的 DateTimeIndex 类型的数据，时间频率为每小时（H）。接着，通过 idx.freq 属性获取了时间频率对象并将其赋值给 freq 变量。

需要注意的是，返回的 freq 类型为 Pandas 的 Offset 类型。Offset 是一种基于时间单位的数据类型，可以用来表示 Pandas 中的时间差值。在上述代码中，freq 的类型为 Hour，即每小时的偏移量。

将频率对象作为字符串输出

将时间频率对象作为字符串输出可以帮助我们更直观地了解时间频率的具体情况。可以使用 Pandas 中的 infer_freq 函数将时间频率对象转换为字符串。

import pandas as pd

dates = pd.date_range('20220101', periods=3, freq='3H')
idx = pd.DatetimeIndex(dates)
freq = idx.freq
freq_str = idx.inferred_freq

print(freq_str)

输出结果为：

3H

在上述代码中，我们首先创建了一个包含三个日期的 DateTimeIndex 类型的数据，时间频率为每三小时（3H）。接着，通过 idx.freq 属性获取了时间频率对象并将其赋值给 freq 变量，在通过 idx.inferred_freq 将时间频率对象转化为字符串并将其赋值给 freq_str 变量。

需要注意的是，使用 inferred_freq 函数需要先保证时间序列的频率固定，否则将返回 None。