为什么date_range的结果与索引DataFrame Pandas日期的[]不同？

Posted 2021-04-28

这是一个简单的代码，带有date_range并为[Pandas使用的索引]

period_start = '2013-01-01'
period_end = '2019-12-24'

print(pd.DataFrame ({'close':aapl_close,
        'returns':aapl_returns},index=pd.date_range(start=period_start,periods=6)))

print(pd.DataFrame ({'close':aapl_close,
            'returns':aapl_returns})[period_start:'20130110'])

date_range给出Nan的结果

            close  returns
2013-01-01    NaN      NaN
2013-01-02    NaN      NaN
2013-01-03    NaN      NaN
2013-01-04    NaN      NaN

索引提供正确的结果

                            close   returns
2013-01-02 00:00:00+00:00  68.732  0.028322
2013-01-03 00:00:00+00:00  68.032 -0.010184
2013-01-04 00:00:00+00:00  66.091 -0.028531

基于date_range显示日期的方式-我想date_range的日期格式与Pandas DataFrame中的日期格式不匹配。

1）您能解释一下为什么它会产生NaN吗？

2）您建议从Panda DataFrame获取特定时间范围吗？

答案

[因为我是Python及其库的初学者，所以我不明白这个问题是针对Quantopian库，而不是Pandas。

我在他们的论坛上找到了解决方案。 Quantopian上方法返回的所有时间都是时区感知的，时区为'UTC'。默认情况下，date_range方法返回时区原始日期。只需将时区信息提供给date_range方法即可。像这样

pd.DataFrame ({  
'close':aapl_close,  
'returns':aapl_returns,},  
index=pd.date_range(start=period_start, periods=6, tz='UTC'))

要获得以熊猫为单位的特定日期或时间范围，最简单的方法就是简单的括号表示法。例如，要获取2013年1月4日至2013年1月8日（含）之间的日期，只需输入以下内容：

df = pd.DataFrame ({'close':aapl_close,  'returns':aapl_returns,})  
my_selected_dates = df['2013-01-04':'2013-01-08']

此括号符号实际上是使用loc方法的简写

my_selected_dates = df.loc['2013-01-04':'2013-01-08']

两者的工作原理相同，但是loc方法具有更大的灵活性。如果需要，此表示法还可用于日期时间。