在日期 +/- 2 个工作日内对 pandas 时间序列进行切片答案

【问题标题】：slice pandas timeseries on date +/- 2 business days在日期 +/- 2 个工作日内对 pandas 时间序列进行切片
【发布时间】：2012-12-15 01:35:37
【问题描述】：

具有以下时间序列：

In [65]: p
Out[65]: 
Date
2008-06-02    125.20
2008-06-03    124.47
2008-06-04    124.40
2008-06-05    126.89
2008-06-06    122.84
2008-06-09    123.14
2008-06-10    122.53
2008-06-11    120.73
2008-06-12    121.19
Name: SPY

如何在特定日期 +/- 2 个相邻（工作日）进行切片，即如果 d = '2008-06-06'：

 -2   2008-06-04    124.40
 -1   2008-06-05    126.89
  0   2008-06-06    122.84
  1   2008-06-09    123.14
  2   2008-06-10    122.53

【问题讨论】：

标签： python pandas time-series slice

【解决方案1】：

Pandas 内置了一些非常棒的工作日功能，可以自动处理这个问题。对于这个确切的问题，它实际上最终需要更多的代码，但它会很容易地处理更一般的情况。

In [1]: ind = pd.date_range('2008-06-02', '2008-06-12', freq='B')

In [2]: p = pd.Series(np.random.random(len(ind)), index=ind)

In [3]: p
Out[3]:
2008-06-02    0.606132
2008-06-03    0.328327
2008-06-04    0.842873
2008-06-05    0.272547
2008-06-06    0.013640
2008-06-09    0.357935
2008-06-10    0.517029
2008-06-11    0.992851
2008-06-12    0.053158
Freq: B, dtype: float64

In [4]: t0 = pd.Timestamp('2008-6-6')

In [5]: from pandas.tseries import offsets

In [6]: delta = offsets.BDay(2)

这将创建两个工作日的偏移量。您还可以对其他时间单位，甚至时间单位的组合进行任意偏移。现在有了起点和增量，您可以以标准方式智能地切片：

In [7]: p[t0 - delta:t0 + delta]
Out[7]:
2008-06-04    0.842873
2008-06-05    0.272547
2008-06-06    0.013640
2008-06-09    0.357935
2008-06-10    0.517029
Freq: B, dtype: float64

这种方法的好处是间隔与行数无关。因此，例如，如果您有每小时数据并且可能有一些缺失的点，您仍然可以以完全相同的方式捕获两个工作日。或者，如果您的数据源恰好也包含周末数据，但您仍需要 +/- 2 个工作日。

【讨论】：

【解决方案2】：

你可以使用索引方法get_loc，然后切片：

d = pd.to_datetime('2008-06-06')
loc = s.index.get_loc(d)

In [12]: loc
Out[12]: 4

In [13]: s[loc-2:loc+3]
Out[13]: 
2008-06-04    124.40
2008-06-05    126.89
2008-06-06    122.84
2008-06-09    123.14
2008-06-10    122.53
Name: SPY

如果你只是在两天内对这些感兴趣：

In [14]: dt = datetime.timedelta(1)

In [15]: s[d - 2*dt:d + 2*dt]
Out[15]: 
2008-06-04    124.40
2008-06-05    126.89
2008-06-06    122.84
Name: SPY

【讨论】：