Python数据分析——Pandas时间戳索引：DatetimeIndex

Answer 1

核心：pd.date_range()

通过pd.DatetimeIndex()直接生成时间戳索引，支持str、datetime.datetime。单个时间戳为Timestamp，多个时间戳为DatetimeIndex。

以DatetimeIndex为index的Series，为TimeSeries，时间序列。

pd.date_range()-日期范围：生成日期范围。

pd.date_range()语法：直接生成DatetimeIndex。

normalize：时间参数值正则化到午夜时间戳（这里最后就直接变成0:00:00，并不是具体的时分秒时间）。

name：索引对象名称。

closed参数：默认为None的情况下，左闭右闭，left则左闭右开，right则左开右闭。

pd.bdate_range()默认时间间隔为工作日。

直接转化为list，元素为Timestamp。

pd.date_range()日期范围 -- 频率/时间间隔1

频率/时间间隔1中包含'L'：每毫秒（千分之一秒），'U'：每微秒（百万分之一秒），'W-MON'：从指定星期几开始算起，每周（星期几缩写：MON/TUE/WED/THU/FRI/SAT/SUN），'WOM-nMON'：每月的第n个星期的星期几开始算。

pd.date_range()日期范围 -- 频率/时间间隔2

每月最后一个日历日：freq = 'M'。每月的最后一个工作日：BM。每月第一个日历日：MS。每月第一个工作日：BMS。

pd.date_range() -- 日期范围：复合频率

asfreq()：时间频率转换。

pd.date_range() -- 时间范围：超前/滞后数据超前/滞后计算变化百分比对时间戳进行位移。

加上freq参数，对时间戳进行位移，而不是对数值进行位移。