局部字符串索引 切片 vs. 精準匹配 精確索引 截斷與花式索引 日期/時間組件
DatetimeIndex 主要用作 Pandas 對象的索引。DatetimeIndex 類為時間序列做了很多優(yōu)化：
預(yù)計算了各種偏移量的日期范圍，并在后臺緩存，讓后臺生成后續(xù)日期范圍的速度非?？欤▋H需抓取切片）。
在 Pandas 對象上使用 shift 與 tshift 方法進行快速偏移。
合并具有相同頻率的重疊 DatetimeIndex 對象的速度非常快（這點對快速數(shù)據(jù)對齊非常重要）。
通過 year、month 等屬性快速訪問日期字段。
snap 等正則函數(shù)與超快的 asof 邏輯。
DatetimeIndex 對象支持全部常規(guī) Index 對象的基本用法，及一些列簡化頻率處理的高級時間序列專有方法。
參閱：重置索引
注意：Pandas 不強制排序日期索引，但如果日期沒有排序，可能會引發(fā)可控范圍之外的或不正確的操作。
DatetimeIndex 可以當作常規(guī)索引，支持選擇、切片等方法。
In [94 ]: rng = pd.date_range(start, end, freq='BM' )95 ]: ts = pd.Series(np.random.randn(len(rng)), index=rng)96 ]: ts.index96 ]: '2011-01-31' , '2011-02-28' , '2011-03-31' , '2011-04-29' ,'2011-05-31' , '2011-06-30' , '2011-07-29' , '2011-08-31' ,'2011-09-30' , '2011-10-31' , '2011-11-30' , '2011-12-30' ],'datetime64[ns]' , freq='BM' )97 ]: ts[:5 ].index97 ]: '2011-01-31' , '2011-02-28' , '2011-03-31' , '2011-04-29' ,'2011-05-31' ],'datetime64[ns]' , freq='BM' )98 ]: ts[::2 ].index98 ]: '2011-01-31' , '2011-03-31' , '2011-05-31' , '2011-07-29' ,'2011-09-30' , '2011-11-30' ],'datetime64[ns]' , freq='2BM' )局部字符串索引 能解析為時間戳的日期與字符串可以作為索引的參數(shù)：
In [99 ]: ts['1/31/2011' ]99 ]: 0.11920871129693428 100 ]: ts[datetime.datetime(2011 , 12 , 25 ):]100 ]: 2011 -12 -30 0.56702 101 ]: ts['10/31/2011' :'12/31/2011' ]101 ]: 2011 -10 -31 0.271860 2011 -11 -30 -0.424972 2011 -12 -30 0.567020 Pandas 為訪問較長的時間序列提供了便捷方法，年 、年月 字符串均可：
In [102 ]: ts['2011' ]102 ]: 2011 -01 -31 0.119209 2011 -02 -28 -1.044236 2011 -03 -31 -0.861849 2011 -04 -29 -2.104569 2011 -05 -31 -0.494929 2011 -06 -30 1.071804 2011 -07 -29 0.721555 2011 -08 -31 -0.706771 2011 -09 -30 -1.039575 2011 -10 -31 0.271860 2011 -11 -30 -0.424972 2011 -12 -30 0.567020 103 ]: ts['2011-6' ]103 ]: 2011 -06 -30 1.071804 帶 DatetimeIndex 的 DateFrame 也支持這種切片方式。局部字符串是標簽切片的一種形式，這種切片也包含 截止時點，即，與日期匹配的時間也會包含在內(nèi)：
In [104 ]: dft = pd.DataFrame(np.random.randn(100000 , 1 ), columns=['A' ],'20130101' , periods=100000 , freq='T' ))105 ]: dft105 ]: 2013 -01 -01 00 :00 :00 0.276232 2013 -01 -01 00 :01 :00 -1.087401 2013 -01 -01 00 :02 :00 -0.673690 2013 -01 -01 00 :03 :00 0.113648 2013 -01 -01 00 :04 :00 -1.478427 2013 -03 -11 10 :35 :00 -0.747967 2013 -03 -11 10 :36 :00 -0.034523 2013 -03 -11 10 :37 :00 -0.201754 2013 -03 -11 10 :38 :00 -1.509067 2013 -03 -11 10 :39 :00 -1.693043 100000 rows x 1 columns]106 ]: dft['2013' ]106 ]: 2013 -01 -01 00 :00 :00 0.276232 2013 -01 -01 00 :01 :00 -1.087401 2013 -01 -01 00 :02 :00 -0.673690 2013 -01 -01 00 :03 :00 0.113648 2013 -01 -01 00 :04 :00 -1.478427 2013 -03 -11 10 :35 :00 -0.747967 2013 -03 -11 10 :36 :00 -0.034523 2013 -03 -11 10 :37 :00 -0.201754 2013 -03 -11 10 :38 :00 -1.509067 2013 -03 -11 10 :39 :00 -1.693043 100000 rows x 1 columns]下列代碼截取了自 1 月 1 日凌晨起，至 2 月 28 日午夜的日期與時間。
In [107 ]: dft['2013-1' :'2013-2' ]107 ]: 2013 -01 -01 00 :00 :00 0.276232 2013 -01 -01 00 :01 :00 -1.087401 2013 -01 -01 00 :02 :00 -0.673690 2013 -01 -01 00 :03 :00 0.113648 2013 -01 -01 00 :04 :00 -1.478427 2013 -02 -28 23 :55 :00 0.850929 2013 -02 -28 23 :56 :00 0.976712 2013 -02 -28 23 :57 :00 -2.693884 2013 -02 -28 23 :58 :00 -1.575535 2013 -02 -28 23 :59 :00 -1.573517 84960 rows x 1 columns]下列代碼截取了包含截止日期及其時間在內(nèi) 的日期與時間。
In [108 ]: dft['2013-1' :'2013-2-28' ]108 ]: 2013 -01 -01 00 :00 :00 0.276232 2013 -01 -01 00 :01 :00 -1.087401 2013 -01 -01 00 :02 :00 -0.673690 2013 -01 -01 00 :03 :00 0.113648 2013 -01 -01 00 :04 :00 -1.478427 2013 -02 -28 23 :55 :00 0.850929 2013 -02 -28 23 :56 :00 0.976712 2013 -02 -28 23 :57 :00 -2.693884 2013 -02 -28 23 :58 :00 -1.575535 2013 -02 -28 23 :59 :00 -1.573517 84960 rows x 1 columns]下列代碼指定了精準的截止時間，注意此處的結(jié)果與上述截取結(jié)果的區(qū)別：
In [109 ]: dft['2013-1' :'2013-2-28 00:00:00' ]109 ]: 2013 -01 -01 00 :00 :00 0.276232 2013 -01 -01 00 :01 :00 -1.087401 2013 -01 -01 00 :02 :00 -0.673690 2013 -01 -01 00 :03 :00 0.113648 2013 -01 -01 00 :04 :00 -1.478427 2013 -02 -27 23 :56 :00 1.197749 2013 -02 -27 23 :57 :00 0.720521 2013 -02 -27 23 :58 :00 -0.072718 2013 -02 -27 23 :59 :00 -0.681192 2013 -02 -28 00 :00 :00 -0.557501 83521 rows x 1 columns]截止時間是索引的一部分，包含在截取的內(nèi)容之內(nèi)：
In [110 ]: dft['2013-1-15' :'2013-1-15 12:30:00' ]110 ]: 2013 -01 -15 00 :00 :00 -0.984810 2013 -01 -15 00 :01 :00 0.941451 2013 -01 -15 00 :02 :00 1.559365 2013 -01 -15 00 :03 :00 1.034374 2013 -01 -15 00 :04 :00 -1.480656 2013 -01 -15 12 :26 :00 0.371454 2013 -01 -15 12 :27 :00 -0.930806 2013 -01 -15 12 :28 :00 -0.069177 2013 -01 -15 12 :29 :00 0.066510 2013 -01 -15 12 :30 :00 -0.003945 751 rows x 1 columns]0.18.0 版新增 。
DatetimeIndex 局部字符串索引還支持多層索引 DataFrame。
In [111 ]: dft2 = pd.DataFrame(np.random.randn(20 , 1 ),'A' ],'20130101' , periods=10 , freq='12H' ),'a' , 'b' ]]))112 ]: dft2112 ]: 2013 -01 -01 00 :00 :00 a -0.298694 0.823553 2013 -01 -01 12 :00 :00 a 0.943285 -1.479399 2013 -01 -02 00 :00 :00 a -1.643342 2013 -01 -04 12 :00 :00 b 0.069036 2013 -01 -05 00 :00 :00 a 0.122297 1.422060 2013 -01 -05 12 :00 :00 a 0.370079 1.016331 20 rows x 1 columns]113 ]: dft2.loc['2013-01-05' ]113 ]: 2013 -01 -05 00 :00 :00 a 0.122297 1.422060 2013 -01 -05 12 :00 :00 a 0.370079 1.016331 114 ]: idx = pd.IndexSlice115 ]: dft2 = dft2.swaplevel(0 , 1 ).sort_index()116 ]: dft2.loc[idx[:, '2013-01-05' ], :]116 ]: 2013 -01 -05 00 :00 :00 0.122297 2013 -01 -05 12 :00 :00 0.370079 2013 -01 -05 00 :00 :00 1.422060 2013 -01 -05 12 :00 :00 1.016331 0.25.0 版新增 。
字符串索引切片支持 UTC 偏移。
In [117 ]: df = pd.DataFrame([0 ], index=pd.DatetimeIndex(['2019-01-01' ], tz='US/Pacific' ))118 ]: df118 ]: 0 2019 -01 -01 00 :00 :00 -08 :00 0 119 ]: df['2019-01-01 12:00:00+04:00' :'2019-01-01 13:00:00+04:00' ]119 ]: 0 2019 -01 -01 00 :00 :00 -08 :00 0 切片 vs. 精準匹配 0.20.0 版新增。
基于索引的精度，字符串既可用于切片，也可用于精準匹配。字符串精度比索引精度低，就是切片，比索引精度高，則是精準匹配。
In [120 ]: series_minute = pd.Series([1 , 2 , 3 ],'2011-12-31 23:59:00' ,'2012-01-01 00:00:00' ,'2012-01-01 00:02:00' ]))121 ]: series_minute.index.resolution121 ]: 'minute' 下例中的時間戳字符串沒有 Series 對象的精度高。series_minute 到秒，時間戳字符串只到分。
In [122 ]: series_minute['2011-12-31 23' ]122 ]: 2011 -12 -31 23 :59 :00 1 精度為分鐘（或更高精度）的時間戳字符串，給出的是標量，不會被當作切片。
In [123 ]: series_minute['2011-12-31 23:59' ]123 ]: 1 124 ]: series_minute['2011-12-31 23:59:00' ]124 ]: 1 索引的精度為秒時，精度為分鐘的時間戳返回的是 Series。
In [125 ]: series_second = pd.Series([1 , 2 , 3 ],'2011-12-31 23:59:59' ,'2012-01-01 00:00:00' ,'2012-01-01 00:00:01' ]))126 ]: series_second.index.resolution126 ]: 'second' 127 ]: series_second['2011-12-31 23:59' ]127 ]: 2011 -12 -31 23 :59 :59 1 用時間戳字符串切片時，還可以用 [] 索引 DataFrame。
In [128 ]: dft_minute = pd.DataFrame({'a' : [1 , 2 , 3 ], 'b' : [4 , 5 , 6 ]},129 ]: dft_minute['2011-12-31 23' ]129 ]: 2011 -12 -31 23 :59 :00 1 4 警告：字符串執(zhí)行精確匹配時，用 [] 按列，而不是按行截取 DateFrame ，參閱索引基礎(chǔ)。如，dft_minute ['2011-12-31 23:59'] 會觸發(fā) KeyError，這是因為 2012-12-31 23:59與索引的精度一樣，但沒有叫這個名字的列。
為了實現(xiàn)精準切片，要用 .loc 對行進行切片或選擇。
In [130 ]: dft_minute.loc['2011-12-31 23:59' ]130 ]: 1 4 2011 -12 -31 23 :59 :00 , dtype: int64注意，DatetimeIndex 精度不能低于日。
In [131 ]: series_monthly = pd.Series([1 , 2 , 3 ],'2011-12' , '2012-01' , '2012-02' ]))132 ]: series_monthly.index.resolution132 ]: 'day' 133 ]: series_monthly['2011-12' ] # 返回的是 Series 133 ]: 2011 -12 -01 1 精確索引 正如上節(jié)所述，局部字符串依靠時間段的精度 索引 DatetimeIndex，即時間間隔與索引精度相關(guān)。反之，用 Timestamp 或 datetime 索引更精準，這些對象指定的時間更精確。注意，精確索引包含了起始時點。
就算沒有顯式指定，Timestamp 與datetime 也支持 hours、minutes、seconds，默認值為 0。
In [134 ]: dft[datetime.datetime(2013 , 1 , 1 ):datetime.datetime(2013 , 2 , 28 )]134 ]: 2013 -01 -01 00 :00 :00 0.276232 2013 -01 -01 00 :01 :00 -1.087401 2013 -01 -01 00 :02 :00 -0.673690 2013 -01 -01 00 :03 :00 0.113648 2013 -01 -01 00 :04 :00 -1.478427 2013 -02 -27 23 :56 :00 1.197749 2013 -02 -27 23 :57 :00 0.720521 2013 -02 -27 23 :58 :00 -0.072718 2013 -02 -27 23 :59 :00 -0.681192 2013 -02 -28 00 :00 :00 -0.557501 83521 rows x 1 columns]不用默認值。
In [135 ]: dft[datetime.datetime(2013 , 1 , 1 , 10 , 12 , 0 ):2013 , 2 , 28 , 10 , 12 , 0 )]135 ]: 2013 -01 -01 10 :12 :00 0.565375 2013 -01 -01 10 :13 :00 0.068184 2013 -01 -01 10 :14 :00 0.788871 2013 -01 -01 10 :15 :00 -0.280343 2013 -01 -01 10 :16 :00 0.931536 2013 -02 -28 10 :08 :00 0.148098 2013 -02 -28 10 :09 :00 -0.388138 2013 -02 -28 10 :10 :00 0.139348 2013 -02 -28 10 :11 :00 0.085288 2013 -02 -28 10 :12 :00 0.950146 83521 rows x 1 columns]截斷與花式索引 truncate() 便捷函數(shù)與切片類似。注意，與切片返回的是部分匹配日期不同， truncate 假設(shè) DatetimeIndex 里未標明時間組件的值為 0。
In [136 ]: rng2 = pd.date_range('2011-01-01' , '2012-01-01' , freq='W' )137 ]: ts2 = pd.Series(np.random.randn(len(rng2)), index=rng2)138 ]: ts2.truncate(before='2011-11' , after='2011-12' )138 ]: 2011 -11 -06 0.437823 2011 -11 -13 -0.293083 2011 -11 -20 -0.059881 2011 -11 -27 1.252450 139 ]: ts2['2011-11' :'2011-12' ]139 ]: 2011 -11 -06 0.437823 2011 -11 -13 -0.293083 2011 -11 -20 -0.059881 2011 -11 -27 1.252450 2011 -12 -04 0.046611 2011 -12 -11 0.059478 2011 -12 -18 -0.286539 2011 -12 -25 0.841669 花式索引返回 DatetimeIndex， 但因為打亂了 DatetimeIndex 頻率，丟棄了頻率信息，見 freq=None：
In [140 ]: ts2[[0 , 2 , 6 ]].index140 ]: DatetimeIndex(['2011-01-02' , '2011-01-16' , '2011-02-13' ], dtype='datetime64[ns]' , freq=None )日期/時間組件 以下日期/時間屬性可以訪問 Timestamp 或 DatetimeIndex。
屬性 說明 year datetime 的年 month datetime 的月 day datetime 的日 hour datetime 的小時 minute datetime 的分鐘 second datetime 的秒 microsecond datetime 的微秒 nanosecond datetime 的納秒 date 返回 datetime.date（不包含時區(qū)信息） time 返回 datetime.time（不包含時區(qū)信息） timetz 返回帶本地時區(qū)信息的 datetime.time dayofyear 一年里的第幾天 weekofyear 一年里的第幾周 week 一年里的第幾周 dayofweek 一周里的第幾天，Monday=0, Sunday=6 weekday 一周里的第幾天，Monday=0, Sunday=6 weekday_name 這一天是星期幾 （如，F(xiàn)riday） quarter 日期所處的季節(jié)：Jan-Mar = 1 等 days_in_month 日期所在的月有多少天 is_month_start 邏輯判斷是不是月初（由頻率定義） is_month_end 邏輯判斷是不是月末（由頻率定義） is_quarter_start 邏輯判斷是不是季初（由頻率定義） is_quarter_end 邏輯判斷是不是季末（由頻率定義） is_year_start 邏輯判斷是不是年初（由頻率定義） is_year_end 邏輯判斷是不是年末（由頻率定義） is_leap_year 邏輯判斷是不是日期所在年是不是閏年
參照 .dt 訪問器 一節(jié)介紹的知識點，Series 的值為 datetime 時，還可以用 .dt 訪問這些屬性。
Pandas 百問百答系列
