本文小编为大家详细介绍“pandas.date_range()怎么使用”，内容详细，步骤清晰，细节处理妥当，希望这篇“pandas.date_range()怎么使用”文章能帮助大家解决疑惑，下面跟着小编的思路慢慢深入，一起来学习新知识吧。
date_range()是pandas中常用的函数，用于生成一个固定频率的DatetimeIndex时间索引。
原型：
date_range(start=None, end=None, periods=None, freq=None, tz=None, normalize=False, name=None, closed=None, **kwargs)
常用参数为start、end、periods、freq。
start：指定生成时间序列的开始时间
end：指定生成时间序列的结束时间
periods：指定生成时间序列的数量
freq：生成频率，默认‘D’，可以是’H’、‘D’、‘M’、‘5H’、‘10D’、…
还可以根据closed参数选择是否包含开始和结束时间，left包含开始时间，不包含结束时间，right与之相反。
默认同时包含开始时间和结束时间。
函数调用时至少要指定参数start、end、periods中的两个。
（1）指定起止时间
pd.date_range('20200101','20200110')
（2）指定开始时间和时间序列数量
pd.date_range('20200101',periods=10)
（3）指定结束时间和时间序列数量
pd.date_range(end='20200110',periods=10)
（4）指定开始时间、时间序列数量和频率
pd.date_range(start='20200101',periods=5,freq='2D')
（5）指定结束时间、时间序列数量和频率
pd.date_range(end='20200110',periods=5,freq='2D')
（6）指定起止时间和closed参数
pd.date_range('20200101','20200110',closed='left')
（7）时间序列做为索引，生成Series一维数组
dates = pd.date_range(start='20200101',periods=5,freq='2D') pd.Series(range(10,20,2),index=dates)
（8）时间序列做行索引，生成DateFrame二维数组
dates = pd.date_range(start='20200101',periods=5,freq='2D')
pd.DataFrame(np.random.randn(5,5), index=dates, columns=list('ABCDE'))
官方文档
pandas.date_range(start=None, end=None, periods=None, freq=None, tz=None, normalize=False, name=None, closed=None, **kwargs)
返回一个固定频率的DatetimeIndex
| 参数 | 数据类型 | 意义 |
|---|---|---|
| start | str or datetime-like, optional | 生成日期的左侧边界 |
| end | str or datetime-like, optional | 生成日期的右侧边界 |
| periods | integer, optional | 生成周期 |
| freq | str or DateOffset, default ‘D’ | 可以有多种比如‘5H’，频率别名参见链接 |
| tz | str or tzinfo, optional | 返回本地化的DatetimeIndex的时区名，例如’Asia/Hong_Kong’ |
| normalize | bool, default False | 生成日期之前，将开始/结束时间初始化为午夜 |
| name | str, default None | 产生的DatetimeIndex的名字 |
| closed | {None, ‘left’, ‘right’}, optional | 使区间相对于给定频率左闭合、右闭合、双向闭合（默认的None） |
| **kwargs | 为了兼容性，对结果没有影响 |
>>> pd.date_range(start='1/1/2018', end='1/08/2018') DatetimeIndex(['2018-01-01', '2018-01-02', '2018-01-03', '2018-01-04', '2018-01-05', '2018-01-06', '2018-01-07', '2018-01-08'], dtype='datetime64[ns]', freq='D') >>> pd.date_range(start='1/1/2018', periods=8) DatetimeIndex(['2018-01-01', '2018-01-02', '2018-01-03', '2018-01-04', '2018-01-05', '2018-01-06', '2018-01-07', '2018-01-08'], dtype='datetime64[ns]', freq='D')
读到这里，这篇“pandas.date_range()怎么使用”文章已经介绍完毕，想要掌握这篇文章的知识点还需要大家自己动手实践使用过才能领会，如果想了解更多相关内容的文章，欢迎关注亿速云行业资讯频道。
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
