问题标签 [datetimeindex]

使用 DatetimeIndex 处理 pandas 系列。期望的结果是一个数据框，其中包含 .loc[] 函数中指定的范围内的所有行。

当我尝试以下代码时：

我回来了：

重申一下，我想要的结果是数据框的一个子集，包含范围内的所有行 (2010-11-01):(2010-12-30)。

我尝试过使用DatetimeIndex方法。

有值的列如下

并使用了以下

我得到了这个早期的数据，但DatetimeIndex在这里不起作用

并得到以下错误

我正在使用带有日期时间索引的 pandas 数据框来处理时间序列数据。由于我正在使用观察到的数据，因此可能完全没有。的缺失值。

但是我想重新采样观察到的时间序列如下，

对于缺失值，可以给出 NaN/NA，因为可以通过 .dropna 或 fillna() 处理这些值。

这里的问题是，它给出的不是 NaN/NA，而是 'False' 作为值。

我想合并两个由time和索引的数据集id。问题是，每个数据集中的时间略有不同。在一个数据集中，时间（每月）是月中，因此是每个月的 15 日。在另一个数据集中，这是最后一个工作日。这应该仍然是一对一的匹配，但日期并不完全相同。

我的方法是将月中日期转移到工作日的月底日期。

数据：

输出：

这就是我想要的（我删除了性能警告）：

但是，索引是不可变的，所以这不起作用：

我唯一的解决方案是重置索引（），更改日期，然后再次设置索引（）：

这给了我想要的东西，但这是最好的方法吗？是否有 set_level_values() 函数（我在 API 中没有看到）？

或者，也许我对合并采取了错误的方法。我可以将数据集与 keys 合并df.index.get_level_values(0).year，但这似乎并没有好多少 df.index.get_level_values(0).month。id

我有一个带有股市数据的熊猫日期框架。有一个日期列（“日期”）。

尝试使用字符串访问日期时，我收到：

我通过调用明确地将索引设置为日期时间索引

这是我的课：

主要内容的相关摘录：

导致：

我究竟做错了什么？

我正在尝试从时间序列 pandas DataFrame 中消除假期数据。我遵循的说明处理 DatetimeSeries 并使用函数 set_index() 将此 DatetimeSeries 应用于 DataFrame，从而产生没有假期的时间序列。这个 set_index() 函数对我不起作用。看看代码...

这个过程对另一个程序员来说似乎工作得很好。

任何人都可以建议将 DatetimeIndex 应用于 DataFrame 的数据类型转换或函数，这将导致删除 data_day_No_Holiday DatetimeIndex 中未表示的所有数据行（假期）？

谢谢，如果我犯了任何格式错误或遗漏了任何相关信息，请告诉我...

我有一个 PandasDatetimeIndex对象（从数据框的索引中获得），我需要每个元素的工作日。我一直Python 3.6.5在 Windows 上使用（64 位）运行它，并使用Pandas 0.22.0并获取一个Int64Index对象：

例如

我现在正在运行脚本，pythonanywhere其中 hasPython 3.6.0并且Pandas 0.19.2结果作为数组返回：

是否可以编写此代码以Index在两个平台上返回相同的结果（理想情况下是一个对象）？

我正在处理股票价格数据，并希望resample()每第二行而不是每第二个工作日返回一次 ( resample('2B'))。障碍是任何在工作日登陆的假期。见下文，MLK 日是 2018 年 1 月 15 日星期一：

输出：

我希望重新采样从 1/12 跳到 1/17。我知道我可以使用df['price'].loc[::2]来交付df.resample('2B').last()，但我需要使用min()，max()并且sum()也一样。

谢谢。

预期输出：

所以我可以通过蛮力做到这一点，但它非常缓慢，所以我确定我错过了一些东西。

假设我想创建一个（每天）固定长度的 DatetimeIndex，比如 15 天，但有一些注意事项：

• 如果 15 天指数在周末结束，那么它实际上在指数中的最后一个星期五结束，并且
• 如果 15 天期间包含审查日期，则审查日期不计入 15 天计数。审查日期可以远远超过 15 天。

为了详细说明第 2 点，假设我从 2018 年 1 月 1 日开始，但 2018 年 1 月 12 日到 2018 年 2 月 14 日被审查，所以我的 15 天期限可能是（蛮力方法）：

这使：

哪个是对的。请注意，我忽略了最终索引中的所有周末，但没有将它们包括在审查日期值中，因为这会通过实际上不计算周末来将 15 天的时间段推长出去。该指数计算周末（但不使用它们），并且如果计算的值落在周末，则只需在周五之前结束。

以上显然是一团糟。我希望有一种更清洁的方法来做到这一点，特别是避免预先构建比我需要开始的更长的索引，以及多个中间列表结构？

这是我的第一个数据框df1，

现在我想添加另一个数据框中df2的 7 月 21 日，例如，

现在我应该如何添加索引和与之对应2018-07-21的df1数据应该是df2['Prediction']列，Close否则其他列可以是0。

所以最终的df应该是这样的，