日期时间在使用熊猫的工作日数方面的差异答案

【问题标题】：Difference between datetimes in terms of number of business days using pandas日期时间在使用熊猫的工作日数方面的差异
【发布时间】：2019-05-23 20:00:54
【问题描述】：

是否有（更）方便/有效的方法来使用 pandas 计算日期之间的工作日数？

我可以的

len(pd.bdate_range(start='2018-12-03',end='2018-12-14'))-1 # minus one only if end date is a business day

但是对于开始和结束日之间的较长距离，这似乎相当低效。

有一些建议如何使用BDay 偏移对象，但它们似乎都指的是创建日期范围或类似的东西。

我更多地考虑以工作日表示的 Timedelta 对象。

假设我有两个系列，s1 和 s2，包含日期时间。如果熊猫有类似的东西

s1.dt.subtract(s2,freq='B') 
# giving a new series containing timedeltas where the number of days calculated
# use business days only

会很好。

（numpy 有一个 busday_count() 方法。但我不想将我的 pandas 时间戳转换为 numpy，因为这会变得混乱。）

【问题讨论】：

标签： python pandas timedelta

【解决方案1】：

我认为np.busday_count 这里是个好主意，也不需要转换为 numpy 数组：

s1 = pd.Series(pd.date_range(start='05/01/2019',end='05/10/2019'))
s2 = pd.Series(pd.date_range(start='05/04/2019',periods=10, freq='5d'))

s = pd.Series([np.busday_count(a, b) for a, b in zip(s1, s2)])
print (s)
0     3
1     5
2     7
3    10
4    14
5    17
6    19
7    23
8    25
9    27
dtype: int64

【讨论】：

在更广泛的日期范围内对此进行了测试，以确保不会发生从 pandas 到 numpy 的奇怪时间戳转换，这可能会搞砸事情。完美运行，谢谢。

【解决方案2】：

from xone import calendar
def business_dates(start, end):
    us_cal = calendar.USTradingCalendar()
    kw = dict(start=start, end=end)
    return pd.bdate_range(**kw).drop(us_cal.holidays(**kw))

In [1]: business_dates(start='2018-12-20', end='2018-12-31')
Out[1]: DatetimeIndex(['2018-12-20', '2018-12-21', '2018-12-24', '2018-12-26',
                       '2018-12-27', '2018-12-28', '2018-12-31'],
                      dtype='datetime64[ns]', freq=None)

来源Get business days between start and end date using pandas

【讨论】：

【解决方案3】：

#create dataframes with the dates
df=pd.DataFrame({'dates':pd.date_range(start='05/01/2019',end='05/31/2019')})
#check if the dates are in business days
df[df['dates'].isin(pd.bdate_range(df['dates'].get(0), df['dates'].get(len(df)-1)))]

out[]:
0   2019-05-01
1   2019-05-02
2   2019-05-03
5   2019-05-06
6   2019-05-07
7   2019-05-08
8   2019-05-09
9   2019-05-10
12  2019-05-13
13  2019-05-14
14  2019-05-15
15  2019-05-16
16  2019-05-17
19  2019-05-20
20  2019-05-21
21  2019-05-22
22  2019-05-23
23  2019-05-24
26  2019-05-27
27  2019-05-28
28  2019-05-29
29  2019-05-30
30  2019-05-31

【讨论】：