4

具有以下时间序列：

In [65]: p
Out[65]: 
Date
2008-06-02    125.20
2008-06-03    124.47
2008-06-04    124.40
2008-06-05    126.89
2008-06-06    122.84
2008-06-09    123.14
2008-06-10    122.53
2008-06-11    120.73
2008-06-12    121.19
Name: SPY

如何在特定日期 +/- 2 个相邻（工作日）切片，即如​​果 d = '2008-06-06'：

 -2   2008-06-04    124.40
 -1   2008-06-05    126.89
  0   2008-06-06    122.84
  1   2008-06-09    123.14
  2   2008-06-10    122.53
4

2 回答 2

6

Pandas 内置了一些非常好的工作日功能，可以自动处理这个问题。对于这个确切的问题，它实际上最终需要更多的代码，但它会很容易地处理更一般的情况。

In [1]: ind = pd.date_range('2008-06-02', '2008-06-12', freq='B')

In [2]: p = pd.Series(np.random.random(len(ind)), index=ind)

In [3]: p
Out[3]:
2008-06-02    0.606132
2008-06-03    0.328327
2008-06-04    0.842873
2008-06-05    0.272547
2008-06-06    0.013640
2008-06-09    0.357935
2008-06-10    0.517029
2008-06-11    0.992851
2008-06-12    0.053158
Freq: B, dtype: float64

In [4]: t0 = pd.Timestamp('2008-6-6')

In [5]: from pandas.tseries import offsets

In [6]: delta = offsets.BDay(2)

这将创建两个工作日的抵消。您还可以对其他时间单位，甚至时间单位的组合进行任意偏移。现在有了起点和增量，您可以以标准方式智能地切片：

In [7]: p[t0 - delta:t0 + delta]
Out[7]:
2008-06-04    0.842873
2008-06-05    0.272547
2008-06-06    0.013640
2008-06-09    0.357935
2008-06-10    0.517029
Freq: B, dtype: float64

这种方法的好处是间隔与行数无关。因此，例如，如果您有每小时数据并且可能有一些缺失点，您仍然可以以完全相同的方式捕获两个工作日。或者，如果您的数据源恰好也包含周末数据，但您仍然需要 +/- 2 个工作日。

于 2013-10-07T16:52:43.330 回答
4

您可以使用 index 方法get_loc，然后切片：

d = pd.to_datetime('2008-06-06')
loc = s.index.get_loc(d)

In [12]: loc
Out[12]: 4

In [13]: s[loc-2:loc+3]
Out[13]: 
2008-06-04    124.40
2008-06-05    126.89
2008-06-06    122.84
2008-06-09    123.14
2008-06-10    122.53
Name: SPY

.

如果您在两天内只对那些感兴趣：

In [14]: dt = datetime.timedelta(1)

In [15]: s[d - 2*dt:d + 2*dt]
Out[15]: 
2008-06-04    124.40
2008-06-05    126.89
2008-06-06    122.84
Name: SPY
于 2012-12-30T17:57:46.820 回答