如何识别从今天到过去和未来（不包括周末）的三个工作日，并将它们放入熊猫数据框中？

Posted 2023-03-11

【中文标题】如何识别从今天到过去和未来（不包括周末）的三个工作日，并将它们放入熊猫数据框中？

【英文标题】：How to identify three business days from, and including, today into the past and future (excluding weekends) and put them into a pandas dataframe?

【发布时间】：2017-05-28 22:22:35

【问题描述】：

我如何确定从今天到过去和未来（不包括周末）的三个工作日（包括今天），并将它们放入数据框中？

示例： 今天是星期五，2017 年 1 月 13 日

我想计算 +/- 3 个工作日并将它们放入数据框中

预期输出：

       A
0 01/10/2017
1 01/11/2017
2 01/12/2017
3 01/13/2017
4 01/17/2017
5 01/18/2017
6 01/19/2017

我对此进行了实验，但我无法完全得到我需要的东西：

import pandas as pd
from datetime import date, datetime, timedelta
from pandas.tseries.holiday import USFederalHolidayCalendar
from pandas.tseries.offsets import CustomBusinessDay 

today = date.today()
plustwo = today + timedelta(days=3)
minustwo = today - timedelta(days=3)
caldr = CustomBusinessDay(calendar=USFederalHolidayCalendar())
df = pd.date_range(minustwo,plustwo,freq=caldr)

电流输出：

>>> df
DatetimeIndex(['2017-01-10', '2017-01-11', '2017-01-12', '2017-01-13'], dtype='datetime64[ns]', freq='C')

解决方案：

>>> pd.date_range(start=today - pd.offsets.BusinessDay(3), end=today + pd.offsets.BusinessDay(3), freq='B')

DatetimeIndex(['2017-01-10', '2017-01-11', '2017-01-12', '2017-01-13',
               '2017-01-16', '2017-01-17', '2017-01-18'],
              dtype='datetime64[ns]', freq='B')

【问题讨论】：

您得到的输出对于USFederalHolidayCalendar 确实是正确的。除周六/周日外，所有工作日都是如此。使用caldr.weekmask 进行检查，使用caldr.holidays 获取所有假期日期的列表。顺便说一句，第 16 位在此列表中。因此，您获得的工作日实际上是此日历选择的正确工作日。

不，pd.date_range 首先设置它的操作日期范围。在这里，它从'2017-01-10' 开始并在'2017-01-16' 稳定下来。然后，频率部分实际上发挥作用。因此，它正确地检测到 '2017-01-10' 到 '2017-01-13'。然后是你的周六/周日和'2017-01-16' 部分，根据其运作规则，默认情况下是假期。

omg.. 就是这样！谢谢！！

@MaxU，是的，它已添加。

@Mike，我已经写了答案。如果这对你有用，你可以接受它。

【参考方案1】：

您可以在 pd.date_range 的 start 和 end 参数中包含所需的偏移量，以便日期显示在指定金额的 +/- 容差范围内（此处为 3 个工作日） .

from datetime import date
import pandas as pd
from pandas.tseries.offsets import BusinessDay

delta = BusinessDay(3)        # offset to +/- 3 days
today = date.today()          # datetime.date(2017, 1, 14)
pd.date_range(start=today-delta, end=today+delta, freq='B')

产生：

DatetimeIndex(['2017-01-11', '2017-01-12', '2017-01-13', '2017-01-16',
               '2017-01-17', '2017-01-18'],
              dtype='datetime64[ns]', freq='B')