深入解析：【Pandas】pandas Index objects DatetimeIndex.freqstr

Pandas2.2 Index objects

Time date components

方法	描述
DatetimeIndex.year	用于获取 DatetimeIndex 中每个日期时间元素的年份部分
DatetimeIndex.month	用于获取 DatetimeIndex 中每个日期时间元素的月份部分
DatetimeIndex.day	用于获取 DatetimeIndex 中每个日期时间元素的日期部分（月份中的第几天）
DatetimeIndex.hour	用于获取 DatetimeIndex 中每个日期时间元素的小时部分
DatetimeIndex.minute	用于获取 DatetimeIndex 中每个日期时间元素的分钟部分
DatetimeIndex.second	用于获取 DatetimeIndex 中每个日期时间元素的秒部分
DatetimeIndex.microsecond	用于获取 DatetimeIndex 中每个日期时间元素的微秒部分
DatetimeIndex.nanosecond	用于获取时间戳中的纳秒部分（0-999999999）
DatetimeIndex.date	用于获取时间戳中的日期部分（年-月-日）
DatetimeIndex.time	用于获取时间戳中的时间部分（时:分:秒）
DatetimeIndex.timetz	用于获取带有时区信息的时间部分（时:分:秒）
DatetimeIndex.dayofyear	用于获取时间戳在一年中的天数序号
DatetimeIndex.day_of_year	用于获取每个日期在一年中的序号
DatetimeIndex.dayofweek	用于获取时间戳在一周中的星期几
DatetimeIndex.day_of_week	用于获取时间戳在一周中的星期几
DatetimeIndex.weekday	用于获取时间戳在一周中的星期几
DatetimeIndex.quarter	用于获取时间戳在一年中的季度信息
DatetimeIndex.tz	用于获取时间戳的时区信息
DatetimeIndex.freq	用于获取时间序列的频率信息
DatetimeIndex.freqstr	用于获取时间序列频率的字符串表示

pandas.DatetimeIndex.freqstr 属性详解

pandas.DatetimeIndex.freqstr 是 DatetimeIndex 对象的一个属性，用于获取时间序列频率的字符串表示。它是 [freq] 属性的字符串形式，提供了对时间序列频率的可读描述。

属性说明

• 用途：获取 DatetimeIndex 中时间序列频率的字符串表示
• 类型：只读属性
• 返回值：
  • 如果 DatetimeIndex 有规律的频率，返回对应的频率字符串
  • 如果 DatetimeIndex 没有规律频率，返回 None

示例代码及结果

示例 1: 基本用法

import pandas as pd
# 创建有规律频率的 DatetimeIndex
dates_with_freq = pd.date_range('2023-01-01', periods=10, freq='D')
print("有规律频率的 DatetimeIndex:")
print(dates_with_freq)
print("频率对象:", dates_with_freq.freq)
print("频率字符串:", dates_with_freq.freqstr)
# 创建无规律频率的 DatetimeIndex
dates_without_freq = pd.DatetimeIndex(['2023-01-01', '2023-01-03', '2023-01-07', '2023-01-15'])
print("\n无规律频率的 DatetimeIndex:")
print(dates_without_freq)
print("频率对象:", dates_without_freq.freq)
print("频率字符串:", dates_without_freq.freqstr)

输出结果：

有规律频率的 DatetimeIndex:
DatetimeIndex(['2023-01-01', '2023-01-02', '2023-01-03', '2023-01-04',
               '2023-01-05', '2023-01-06', '2023-01-07', '2023-01-08',
               '2023-01-09', '2023-01-10'],
              dtype='datetime64[ns]', freq='D')
频率对象: 
频率字符串: D
无规律频率的 DatetimeIndex:
DatetimeIndex(['2023-01-01', '2023-01-03', '2023-01-07', '2023-01-15'], dtype='datetime64[ns]', freq=None)
频率对象: None
频率字符串: None

示例 2: 不同频率字符串的比较

import pandas as pd
# 创建不同频率的 DatetimeIndex
daily_dates = pd.date_range('2023-01-01', periods=5, freq='D')
hourly_dates = pd.date_range('2023-01-01', periods=5, freq='H')
monthly_dates = pd.date_range('2023-01-01', periods=5, freq='M')
weekly_dates = pd.date_range('2023-01-01', periods=5, freq='W')
business_days = pd.date_range('2023-01-01', periods=5, freq='B')
print("每日频率:")
print(daily_dates)
print("频率字符串:", daily_dates.freqstr)
print("\n每小时频率:")
print(hourly_dates)
print("频率字符串:", hourly_dates.freqstr)
print("\n每月频率:")
print(monthly_dates)
print("频率字符串:", monthly_dates.freqstr)
print("\n每周频率:")
print(weekly_dates)
print("频率字符串:", weekly_dates.freqstr)
print("\n工作日频率:")
print(business_days)
print("频率字符串:", business_days.freqstr)

输出结果：

每日频率:
DatetimeIndex(['2023-01-01', '2023-01-02', '2023-01-03', '2023-01-04',
               '2023-01-05'],
              dtype='datetime64[ns]', freq='D')
频率字符串: D
每小时频率:
DatetimeIndex(['2023-01-01 00:00:00', '2023-01-01 01:00:00',
               '2023-01-01 02:00:00', '2023-01-01 03:00:00',
               '2023-01-01 04:00:00'],
              dtype='datetime64[ns]', freq='H')
频率字符串: H
每月频率:
DatetimeIndex(['2023-01-31', '2023-02-28', '2023-03-31', '2023-04-30',
               '2023-05-31'],
              dtype='datetime64[ns]', freq='M')
频率字符串: M
每周频率:
DatetimeIndex(['2023-01-01', '2023-01-08', '2023-01-15', '2023-01-22',
               '2023-01-29'],
              dtype='datetime64[ns]', freq='W-SUN')
频率字符串: W-SUN
工作日频率:
DatetimeIndex(['2023-01-02', '2023-01-03', '2023-01-04', '2023-01-05',
               '2023-01-06'],
              dtype='datetime64[ns]', freq='B')
频率字符串: B

示例 3: 复合频率字符串

import pandas as pd
# 创建复合频率的 DatetimeIndex
every_3_days = pd.date_range('2023-01-01', periods=5, freq='3D')
twice_daily = pd.date_range('2023-01-01', periods=6, freq='12H')
every_15_minutes = pd.date_range('2023-01-01', periods=5, freq='15T')
print("每3天频率:")
print(every_3_days)
print("频率字符串:", every_3_days.freqstr)
print("\n每12小时频率:")
print(twice_daily)
print("频率字符串:", twice_daily.freqstr)
print("\n每15分钟频率:")
print(every_15_minutes)
print("频率字符串:", every_15_minutes.freqstr)

输出结果：

每3天频率:
DatetimeIndex(['2023-01-01', '2023-01-04', '2023-01-07', '2023-01-10',
               '2023-01-13'],
              dtype='datetime64[ns]', freq='3D')
频率字符串: 3D
每12小时频率:
DatetimeIndex(['2023-01-01 00:00:00', '2023-01-01 12:00:00',
               '2023-01-02 00:00:00', '2023-01-02 12:00:00',
               '2023-01-03 00:00:00', '2023-01-03 12:00:00'],
              dtype='datetime64[ns]', freq='12H')
频率字符串: 12H
每15分钟频率:
DatetimeIndex(['2023-01-01 00:00:00', '2023-01-01 00:15:00',
               '2023-01-01 00:30:00', '2023-01-01 00:45:00',
               '2023-01-01 01:00:00'],
              dtype='datetime64[ns]', freq='15T')
频率字符串: 15T

示例 4: 与时区结合使用

import pandas as pd
# 创建带时区的有规律频率 DatetimeIndex
tz_dates = pd.date_range('2023-01-01', periods=5, freq='D', tz='UTC')
print("带时区的有规律频率 DatetimeIndex:")
print(tz_dates)
print("频率对象:", tz_dates.freq)
print("频率字符串:", tz_dates.freqstr)
# 创建带时区的无规律频率 DatetimeIndex
tz_irregular = pd.DatetimeIndex([
'2023-01-01 12:00:00',
'2023-01-03 12:00:00',
'2023-01-07 12:00:00'
], tz='UTC')
print("\n带时区的无规律频率 DatetimeIndex:")
print(tz_irregular)
print("频率对象:", tz_irregular.freq)
print("频率字符串:", tz_irregular.freqstr)

输出结果：

带时区的有规律频率 DatetimeIndex:
DatetimeIndex(['2023-01-01 00:00:00+00:00', '2023-01-02 00:00:00+00:00',
               '2023-01-03 00:00:00+00:00', '2023-01-04 00:00:00+00:00',
               '2023-01-05 00:00:00+00:00'],
              dtype='datetime64[ns, UTC]', freq='D')
频率对象: 
频率字符串: D
带时区的无规律频率 DatetimeIndex:
DatetimeIndex(['2023-01-01 12:00:00+00:00', '2023-01-03 12:00:00+00:00',
               '2023-01-07 12:00:00+00:00'],
              dtype='datetime64[ns, UTC]', freq=None)
频率对象: None
频率字符串: None

示例 5: 在数据分析中的应用

import pandas as pd
import numpy as np
# 创建有规律频率的时间序列数据
dates = pd.date_range('2023-01-01', '2023-12-31', freq='D')
data = pd.Series(np.random.randn(len(dates)), index=dates, name='daily_data')
print("时间序列数据:")
print(f"数据点数量: {len(data)}")
print(f"起始日期: {data.index.min()}")
print(f"结束日期: {data.index.max()}")
print(f"频率对象: {data.index.freq}")
print(f"频率字符串: {data.index.freqstr}")
# 检查频率是否规则
print(f"\n是否有规律频率: {data.index.freq is not None}")
print(f"频率字符串是否为None: {data.index.freqstr is not None}")
# 创建不规则时间序列进行对比
irregular_dates = pd.DatetimeIndex([
'2023-01-01', '2023-01-03', '2023-01-07', '2023-01-15', '2023-01-25'
])
irregular_data = pd.Series(np.random.randn(len(irregular_dates)), index=irregular_dates, name='irregular_data')
print("\n不规则时间序列数据:")
print(f"数据点数量: {len(irregular_data)}")
print(f"频率对象: {irregular_data.index.freq}")
print(f"频率字符串: {irregular_data.index.freqstr}")
print(f"是否有规律频率: {irregular_data.index.freq is not None}")

输出结果：

时间序列数据:
数据点数量: 365
起始日期: 2023-01-01 00:00:00
结束日期: 2023-12-31 00:00:00
频率对象: 
频率字符串: D
是否有规律频率: True
频率字符串是否为None: True
不规则时间序列数据:
数据点数量: 5
频率对象: None
频率字符串: None
是否有规律频率: False

示例 6: 空 DatetimeIndex 处理

import pandas as pd
# 创建空的有频率 DatetimeIndex
empty_with_freq = pd.DatetimeIndex([], freq='D')
print("空的有频率 DatetimeIndex:")
print(empty_with_freq)
print("频率对象:", empty_with_freq.freq)
print("频率字符串:", empty_with_freq.freqstr)
# 创建空的无频率 DatetimeIndex
empty_without_freq = pd.DatetimeIndex([])
print("\n空的无频率 DatetimeIndex:")
print(empty_without_freq)
print("频率对象:", empty_without_freq.freq)
print("频率字符串:", empty_without_freq.freqstr)

输出结果：

空的有频率 DatetimeIndex:
DatetimeIndex([], dtype='datetime64[ns]', freq='D')
频率对象: 
频率字符串: D
空的无频率 DatetimeIndex:
DatetimeIndex([], dtype='datetime64[ns]', freq=None)
频率对象: None
频率字符串: None

示例 7: 频率字符串的实际应用

import pandas as pd
# 创建多个不同频率的时间序列
frequencies = ['D', 'H', 'M', 'W', 'B', '3D', '12H', '15T']
series_dict = {}
for freq in frequencies:
if freq in ['D', 'H', 'M', 'W', 'B']:
dates = pd.date_range('2023-01-01', periods=10, freq=freq)
else:
dates = pd.date_range('2023-01-01', periods=5, freq=freq)
series_dict[freq] = pd.Series(range(len(dates)), index=dates)
# 显示所有时间序列的频率信息
print("不同频率时间序列的频率字符串:")
print("-" * 40)
for freq_code, series in series_dict.items():
print(f"频率代码: {freq_code:4s} | 频率字符串: {series.index.freqstr:8s} | 数据点数: {len(series)}")

输出结果：

不同频率时间序列的频率字符串:
----------------------------------------
频率代码: D    | 频率字符串: D        | 数据点数: 10
频率代码: H    | 频率字符串: H        | 数据点数: 10
频率代码: M    | 频率字符串: M        | 数据点数: 10
频率代码: W    | 频率字符串: W-SUN    | 数据点数: 10
频率代码: B    | 频率字符串: B        | 数据点数: 10
频率代码: 3D   | 频率字符串: 3D       | 数据点数: 5
频率代码: 12H  | 频率字符串: 12H      | 数据点数: 5
频率代码: 15T  | 频率字符串: 15T      | 数据点数: 5

应用场景

1. 时间序列分析：快速识别时间序列的采样频率
2. 数据验证：验证时间序列数据的频率一致性
3. 报告生成：在报告中显示时间序列的频率信息
4. 数据处理：根据频率字符串选择合适的数据处理方法
5. 用户界面：在图形界面中显示友好的频率描述
6. 配置管理：保存和恢复时间序列的频率设置

注意事项

• freqstr 是只读属性，不能直接修改
• 对于有规律频率的 DatetimeIndex，freqstr 返回频率的字符串表示
• 对于无规律频率的 DatetimeIndex，freqstr 返回 None
• freqstr 与 [freq] 属性相关联，但提供的是字符串形式
• 频率字符串对于用户更友好，便于理解和显示
• 可以通过 pd.date_range() 创建具有特定频率字符串的 DatetimeIndex

通过 freqstr 属性，我们可以方便地获取 DatetimeIndex 频率的字符串表示，这对于时间序列数据的分析、显示和处理非常有用。