如何在 python 中为特定日期赋予索引值？答案

【问题标题】：How can I give an index value to a specific date in python?如何在 python 中为特定日期赋予索引值？
【发布时间】：2019-03-12 05:40:09
【问题描述】：

我想在 python 中为固定日期的日期分配索引。例如，索引 1 到 20130101，索引 2 到 20130102 等等，直到 20181231。这些日期在 python 数据框中。可以在数据框中的日期上覆盖索引。有人可以建议如何做到这一点吗？

【问题讨论】：

标签： python pandas datetime series

【解决方案1】：

您可以减去date 对象。这给出了一个很容易转换为天数的 timedelta。根据您的解释，这听起来与您正在寻找的完全一样：

>>> (datetime.date(2013, 1, 2)-datetime.date(2013, 1, 1)).days
1
>>> (datetime.date(2013, 1, 31)-datetime.date(2013, 1, 1)).days
30

这里，右边的参数是你锚定到的固定日期。

【讨论】：

这很有帮助。由于日期范围从 20130101 到 20181231，您能否告诉我如何循环访问这些日期？
这在纯 Python 中是一个很好的答案，但没有利用 Pandas / NumPy 矢量化功能。

【解决方案2】：

您可以在字典理解中使用 pandas.date_range 来创建具有所需索引和值的 pandas.Series 对象：

start_date = '20130101'
end_date = '20181231'

date_idx = pd.Series({d:i+1 for i, d in enumerate(pd.date_range(start_date, end_date, freq='D'))})

看起来像：

2013-01-01       1
2013-01-02       2
2013-01-03       3
2013-01-04       4
2013-01-05       5
2013-01-06       6
...
2018-12-26    2186
2018-12-27    2187
2018-12-28    2188
2018-12-29    2189
2018-12-30    2190
2018-12-31    2191

然后，您可以使用 Series.map 将其映射到 pandas.DataFrame 中的任何 datetime 列。例如：

df['date_idx'] = df['date_column'].map(date_idx)

【讨论】：

【解决方案3】：

这里不需要显式循环。你可以使用pd.Series.dt.days:

df = pd.DataFrame({'dates': pd.date_range('2013-01-01', '2018-12-31', freq='D')})

df['index'] = (df['dates'] - df['dates'].iat[0]).dt.days + 1

print(df)

          dates  index
0    2013-01-01      1
1    2013-01-02      2
2    2013-01-03      3
3    2013-01-04      4
4    2013-01-05      5
...         ...    ...
2186 2018-12-27   2187
2187 2018-12-28   2188
2188 2018-12-29   2189
2189 2018-12-30   2190
2190 2018-12-31   2191

【讨论】：