【问题标题】：extend a pandas datetimeindex by 1 period将 pandas datetimeindex 延长 1 个句点
【发布时间】：2017-01-23 19:23:50
【问题描述】：

考虑DateTimeIndexdates

dates = pd.date_range('2016-01-29', periods=4, freq='BM')
dates

DatetimeIndex(['2016-01-29', '2016-02-29', '2016-03-31', '2016-04-29'],
              dtype='datetime64[ns]', freq='BM')

我想以附加到对象的频率将索引延长一个周期。

我期待

pd.date_range('2016-01-29', periods=5, freq='BM')

DatetimeIndex(['2016-01-29', '2016-02-29', '2016-03-31', '2016-04-29',
               '2016-05-31'],
              dtype='datetime64[ns]', freq='BM')

我试过了

dates.append(dates[[-1]] + pd.offsets.BusinessMonthEnd())

然而

未概括为使用频率dates
我收到性能警告

PerformanceWarning：将非矢量化 DateOffset 应用于 Series 或 DatetimeIndex

【问题讨论】：

标签： python pandas datetimeindex

【解决方案1】：

最好的解决办法是：

import pandas as pd
dates = pd.date_range('2016-01-29', periods=4, freq='BM')
extended = dates.union(dates.shift(n)[-n:])

其中 n 是您要添加的句点数。使用n=4，您将获得如下扩展的日期范围：

DatetimeIndex(['2016-01-29', '2016-02-29', '2016-03-31', '2016-04-29',
               '2016-05-31', '2016-06-30', '2016-07-29', '2016-08-31'],
              dtype='datetime64[ns]', freq='BM')

【讨论】：

【解决方案2】：

pandas==1.1.1 回答 +1

为了跟进此事，对于pandas==1.1.1，我发现这是最好的解决方案：

dates.union(pd.date_range(dates[-1] + dates.freq, periods=1, freq=dates.freq))

使用 n 的通用答案

n=3
dates.union(pd.date_range(dates[-1] + dates.freq, periods=n, freq=dates.freq))

学分

结合@alberto-garcia-raboso 的回答和@ballpointben 的评论。

什么没用

以下刚刚格式化为Index，而不是DateTimeIndex： dates.union([dates[-1] + dates.freq])
dates[-1] + 1 也已弃用。

【讨论】：

+ dates.freq 并没有为我持续工作，尽管这有效：dates.union(pd.date_range(dates[-1], periods=(n + 1), freq=dates.freq)[1:])

【解决方案3】：

我会使用.tshift 函数，然后相应地使用：

dr = pd.date_range(start='1/1/2020', periods=5, freq='D')
df = pd.DataFrame(data=[1,2,3,4,5], 
                  index=dr,
                  columns=['A'])
df.head()
            A
2020-01-01  1
2020-01-02  2
2020-01-03  3
2020-01-04  4
2020-01-05  5 <-

df.tshift()
            A
2020-01-02  1
2020-01-03  2
2020-01-04  3
2020-01-05  4
2020-01-06  5 <-

other = pd.DataFrame([6], columns=['A'], index=[df.tshift().index[-1]])
other.head()
            A
2020-01-06  6

df.append(other)
            A
2020-01-01  1
2020-01-02  2
2020-01-03  3
2020-01-04  4
2020-01-05  5
2020-01-06  6 <-

【讨论】：

似乎 tshift 自 1.1.0 版以来已被弃用。我建议使用 fccoelho 的答案。

【解决方案4】：

DatetimeIndex 中的时间戳已经知道它们描述的是营业月结，因此您只需添加 1：

import pandas as pd
dates = pd.date_range('2016-01-29', periods=4, freq='BM')

print(repr(dates[-1]))
# => Timestamp('2016-04-29 00:00:00', offset='BM')

print(repr(dates[-1] + 1))
# => Timestamp('2016-05-31 00:00:00', offset='BM')

您可以使用 .union 将后者添加到您的索引中：

dates = dates.union([dates[-1] + 1])
print(dates)
# => DatetimeIndex(['2016-01-29', '2016-02-29', '2016-03-31', '2016-04-29',
#                   '2016-05-31'],
#                  dtype='datetime64[ns]', freq='BM')

与.append 相比，它保留了偏移量的知识。

【讨论】：

非常好的解决方案！
如果你想将索引扩展n句点，你可以使用dates.union(pd.date_range(dates[-1]+1, periods=n, freq=dates.freq))
现在已弃用。不推荐对 Timestamp 进行整数和整数数组的加法/减法，将在未来的版本中删除。不要加/减n，而是使用n * self.freq

【解决方案5】：

试试这个：

In [207]: dates = dates.append(pd.DatetimeIndex(pd.Series(dates[-1] + pd.offsets.BusinessMonthEnd())))

In [208]: dates
Out[208]: DatetimeIndex(['2016-01-29', '2016-02-29', '2016-03-31', '2016-04-29', '2016-05-31'], dtype='datetime64[ns]', freq=None)

或使用list ([...]) 代替pd.Series()：

In [211]: dates.append(pd.DatetimeIndex([dates[-1] + pd.offsets.BusinessMonthEnd()]))
Out[211]: DatetimeIndex(['2016-01-29', '2016-02-29', '2016-03-31', '2016-04-29', '2016-05-31'], dtype='datetime64[ns]', freq=None)

【讨论】：