【数据分析师_04_Python数据分析基础】005_Pandas时序分析（pd.Period 和 pd.PeriodIndex 的使用）

最新推荐文章于 2026-06-16 16:44:37 发布

原创最新推荐文章于 2026-06-16 16:44:37 发布 · 1.7k 阅读

8 ·

本内容遵循CC 4.0 BY-SA版权协议

收录于

数据分析师

本文详细介绍了如何使用Pandas进行时序分析，包括pd.Period的创建与不同频率（如年、季、月等）的使用，以及pd.period_range()函数的运用，并结合沃尔玛的营收数据展示了设置季度起止的应用案例。

金融供应链数据挖掘实战

Python 解析 FactSet Revere，手把手构建供应链月度面板数据

一键订阅

Pandas的时序分析

5 pd.Period 和 pd.PeriodIndex 的使用

转载请注明出处 😃！
手动反爬：Pandas时序分析（pd.Period 和 pd.PeriodIndex 的使用）
https://blog.csdn.net/lyun911/article/details/112716293

注：以下使用 Jupyter Notebook 演示

5 pd.Period 和 pd.PeriodIndex 的使用

常用的Period方法

时期表示的是时间区间，比如年/季/月/日/时/分等
通过加减整数可以实现对Period的移动
PeriodIndex 类的构造函数允许直接使用一组字符串表示一段时期
许多季度型数据会涉及“财年末”的概念，通常是一年12个月中某月的最后一个工作日或日历日

5.1 pd.Period(‘0000-00-00 00:00:00’, freq = ‘Y/Q/M/W/D/H’)

5.1.1 freq = ‘Y’

pd.Period(, freq = 'Y') Year年度

import pandas as pd
y = pd.Period('2019')		# 输出的 'A-DEC' 中A表示全年，DEC表示12月
y.start_time
y.end_time
y.is_leap_year

在这里插入图片描述

5.1.2 freq = ‘Q’

pd.Period(, freq = 'Q') Quarter季度

q1 = pd.Period('2017q1', freq = 'q-dec')# freq = 'q-dec'最后一个季度是12月份
q1
q1.start_time
q1.end_time

q1.asfreq('M')# 把季度转换成月份，默认 how = 'end'
q1.asfreq('M', how = 'start')
q1.asfreq('M', how = 'end')

在这里插入图片描述

5.1.3 freq = ‘M’

pd.Period(, freq = 'M') Month月度

m = pd.Period('2019-05')
m.start_time
m.end_time
m + 1		# 按月进行加减

在这里插入图片描述

5.1.4 freq = ‘W’

pd.Period(, freq = 'W') Week周度

w = pd.Period('2017-07-06', freq = 'W')
w			# 输出这一周的日期：Period('2017-07-03/2017-07-09', 'W-SUN')
w - 1

在这里插入图片描述

5.1.5 freq = ‘D’

pd.Period(, freq = 'D') Day日度

d = pd.Period('2019-07-10', freq = 'D')
d.start_time
d + 10

在这里插入图片描述

5.1.6 freq = ‘H’

pd.Period(, freq = 'H') Hour时度

h = pd.Period('2019-07-10 23:00:00', freq = 'H')
h.end_time
h + 5

在这里插入图片描述

5.2 pd.period_range() 的用法

r = pd.period_range('2011', '2017', freq = 'q')# 用法和 .date_range 类似，产生一系列数组
r[0]
r[0].start_time
r[0].end_time

r1 = pd.period_range('2011', '2017', freq = '3m')# 也可以按照每3个月跳跃
r1

import numpy as np
ps = pd.Series(
    np.random.randn(len(r1)),
    r1# 以 r1作为 index
)
ps.head()
ps['2016']# 分区索引，直接把所有2016年的数据拿出来
ps['2015-05': '2016-02']# 分区索引，把一个期间的数据拿出来

在这里插入图片描述

5.3 使用沃尔玛的营收数据演示（设置季度起止）

df = pd.read_csv("wmt.csv")
df.set_index("Line Item", inplace = True)
df = df.T# 转置

# freq = 'q-jan' 把1月作为最后一个月：
df.index = pd.PeriodIndex(df.index, freq = 'q-jan')
df.index[0].start_time			# 这就是上面 【freq = 'q-jan' 把1月作为最后一个月】 的效果：2月作为第一个季度的开始
df.index[0].end_time			# 这就是上面 【freq = 'q-jan' 把1月作为最后一个月】 的效果：4月作为第一个季度的结束
df['Start Date'] = df.index.map(lambda x: x.start_time)
df['End Date'] = df.index.map(lambda x: x.end_time)
df								# 可以看出第一个季度是从2016-2到2016-4

# 以12月作为最后一个季度的最后一个月：
df.index = pd.PeriodIndex(df.index, freq = 'q-dec')
df['Start Date'] = df.index.map(lambda x: x.start_time)
df['End Date'] = df.index.map(lambda x: x.end_time)
df								# 可以看出第二个季度是从2016-4到2016-6