开发者社区

文档建议反馈控制台

文章/答案/技术大牛

发布

社区首页 >问答首页 >使用Pandas创建发薪日的DateOffset

问使用Pandas创建发薪日的DateOffset
EN

Stack Overflow用户

提问于 2016-10-10 14:04:43

回答 1查看 118关注 0票数 2

我试图使用Pandas在Python中创建一个时间索引，其条目对应于一个经常性的发薪日。具体来说，我想把这个指数与这个月的第一个星期五和第三个星期五相对应。有人能给我一个代码片段来演示一下吗？

类似于：

import pandas as pd
idx = pd.date_range("2016-10-10", periods=26, freq=<offset here?>)

EN

回答 1

Stack Overflow用户

回答已采纳

发布于 2016-10-10 14:15:46

试试这个：

In [6]: pd.date_range("2016-10-10", periods=26, freq='WOM-1FRI').union(pd.date_range("2016-10-10", periods=26, freq='WOM-3FRI'))
Out[6]:
DatetimeIndex(['2016-10-21', '2016-11-04', '2016-11-18', '2016-12-02', '2016-12-16', '2017-01-06', '2017-01-20', '2017-02-03', '2017-02-17',
 '2017-03-03', '2017-03-17', '2017-04-07', '2017-04-21',
               '2017-05-05', '2017-05-19', '2017-06-02', '2017-06-16', '2017-07-07', '2017-07-21', '2017-08-04', '2017-08-18', '2017-09-01',
 '2017-09-15', '2017-10-06', '2017-10-20', '2017-11-03',
               '2017-11-17', '2017-12-01', '2017-12-15', '2018-01-05', '2018-01-19', '2018-02-02', '2018-02-16', '2018-03-02', '2018-03-16',
 '2018-04-06', '2018-04-20', '2018-05-04', '2018-05-18',
               '2018-06-01', '2018-06-15', '2018-07-06', '2018-07-20', '2018-08-03', '2018-08-17', '2018-09-07', '2018-09-21', '2018-10-05',
 '2018-10-19', '2018-11-02', '2018-11-16', '2018-12-07'],
              dtype='datetime64[ns]', freq=None)

票数 2

EN

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/39967460

复制

相关文章

pandas DataFrame的创建方法

python 文件存储 sql

在pandas里，DataFrame是最经常用的数据结构，这里总结生成和添加数据的方法： ①、把其他格式的数据整理到DataFrame中； ②在已有的DataFrame中插入N列或者N行。

py3study

2020/01/19

2.6K0

pandas DataFrame的创建方法

Excel与pandas：使用applymap()创建复杂的计算列

我们之前讨论了如何在pandas中创建计算列，并讲解了一些简单的示例。通过将表达式赋值给一个新列（例如df['new column']=expression），可以在大多数情况下轻松创建计算列。然而，有时我们需要创建相当复杂的计算列，这就是本文要讲解的内容。

fanjy

2022/11/16

3.9K0

Excel与pandas：使用applymap()创建复杂的计算列

pandas入门——创建series

numpy key list pandas series

s4 = pd.Series(numpy.array(list([1, 2, 3, 4, 5, 6, 7, 8, 9])))

用户7886150

2020/12/26

2910

Pandas 如何创建 DataFrame

我们已经知道了什么是 Series，在使用 Series 之前，我们得知道如何创建 Series。

用户7886150

2020/12/26

1.6K0

GPT4做数据分析时间序列预测之二相当棒2023.5.25

数据分析 model 模型数据索引

这个错误是因为在你的循环中，你在每次迭代时都试图将'年月'列设置为索引。然而，一旦你在第一次迭代中将'年月'列设置为索引，它就不再是数据框的一部分，所以在后续的迭代中，你不能再次将它设置为索引。

用户7138673

2023/08/16

3040

GPT4做数据分析时间序列预测之二相当棒2023.5.25

pandas的使用

机器学习人工智能 pandas 工具数据

例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。

愚公搬代码

2023/05/07

2820

Python--pandas数据创建

dataframe pandas series

DataFrame：二维列表，带有标签的可包含异构类型、大小可变的数据列，表格结构；

披头

2019/12/26

8540

Pandas DataFrame创建方法大全

文件存储数据分析 python

Pandas是Python的数据分析利器，DataFrame是Pandas进行数据分析的基本结构，可以把DataFrame视为一个二维数据表，每一行都表示一个数据记录。本文将介绍创建Pandas DataFrame的6种方法。

用户1408045

2019/09/17

5.8K0

Pandas DataFrame创建方法大全

Pandas GroupBy的使用

在许多情况下，我们将数据分成几组，并在每个子集上应用一些功能。在应用中，我们可以执行以下操作：

致Great

2018/12/07

2.9K0

Pandas创建DataFrame对象的几种常用方法

python 面向对象编程

DataFrame是pandas常用的数据类型之一，表示带标签的可变二维表格。本文介绍如何创建DataFrame对象，后面会陆续介绍DataFrame对象的用法。首先，使用pip、conda或类似工具正确安装扩展库numpy和pandas，然后按照Python社区的管理，使用下面的方式进行导入： >>> import numpy as np >>> import pandas as pd 接下来就可以通过多种不同的方式来创建DataFrame对象了，为了避免排版混乱影响阅读，直接在我制作的PPT上进行截图

Python小屋屋主

2018/04/16

3.6K0

Pandas创建DataFrame对象的几种常用方法

pandas数据导入： 1 import pymysql 2 import pandas as pd 3 4 #导入csv文件 5 data = pd.read_csv('file_name') 6 7 #导入excel文件 8 data = pd.read_excel('file_name') 9 10 #从mysql导入数据 11 conn = pymysql.connect( 12 host = '127.0.0.1', 13 user = 'user_name

py3study

2020/01/19

6170

Pandas处理时序数据（初学者必会）！

时序数据是指时间序列数据。时间序列数据是同一统一指标按时间顺序记录的数据列。在同一数据列中的各个数据必须是同口径的，要求具有可比性。时序数据可以是时期数，也可以时点数。

Datawhale

2020/07/15

3.3K0

Pandas处理时序数据（初学者必会）！

GPT4做数据分析时间序列预测之六相当棒2023.5.31

数据分析 import 变量模型数据

用户7138673

2023/08/16

2920

GPT4做数据分析时间序列预测之六相当棒2023.5.31

pandas 入门 1 ：数据集的创建和绘制

文件存储 sql python

创建数据- 首先创建自己的数据集进行分析。这可以防止阅读本教程的用户下载任何文件以复制下面的结果。我们将此数据集导出到文本文件，以便您可以获得的一些从csv文件中提取数据的经验

万能数据的小草

2020/02/19

6.1K0

Pandas高级教程之:时间处理

python 数据万象数据挖掘人工智能

时间应该是在数据处理中经常会用到的一种数据类型，除了Numpy中datetime64 和 timedelta64 这两种数据类型之外，pandas 还整合了其他python库比如scikits.timeseries中的功能。

程序那些事

2021/10/11

1.1K0

Pandas高级教程之:时间处理

node.js http python unix

时间应该是在数据处理中经常会用到的一种数据类型，除了Numpy中datetime64 和 timedelta64 这两种数据类型之外，pandas 还整合了其他python库比如scikits.timeseries中的功能。

程序那些事

2021/10/14

1.1K0

使用 Pandas, Jinja 和 WeasyPrint，轻松创建一个 PDF 报表

编程算法 html css python

我们都知道，Pandas 擅长处理大量数据并以多种文本和视觉表示形式对其进行总结，它支持将结构输出到 CSV、Excel、HTML、json 等。但是如果我们想将多条数据合并到一个文档中，就有些复杂了。例如，如果要将两个 DataFrames 放在一张 Excel 工作表上，则需要使用 Excel 库手动构建输出。虽然可行，但并不简单。本文将介绍一种将多条信息组合成 HTML 模板，然后使用 Jinja 模板和 WeasyPrint 将其转换为独立 PDF 文档的方法，一起来看看吧~

周萝卜

2022/02/10

2K0

使用 Pandas, Jinja 和 WeasyPrint，轻松创建一个 PDF 报表

Python Pandas merge 的使用

1. 通过key（一个）合并两个DataFrame ---- import pandas as pd # 通过key（一个）合并两个DataFrame left = pd.DataFrame({'key':['K0', 'K1', 'K2', 'K3'], 'A': ['A0', 'A1', 'A2', 'A3'], 'B': ['B0', 'B1', 'B2', 'B3']}) right = pd.DataFrame(

山海散人

2021/03/03

6350

气象编程 |Pandas处理时序数据

时序数据是指时间序列数据。时间序列数据是同一统一指标按时间顺序记录的数据列。在同一数据列中的各个数据必须是同口径的，要求具有可比性。时序数据可以是时期数，也可以时点数。

气象学家

2020/07/15

4.3K0

Python Pandas 的使用——Series

Pandas是一个强大的分析结构化数据的工具集；它的使用基础是Numpy（提供高性能的矩阵运算）；用于数据挖掘和数据分析，同时也提供数据清洗功能。

用户7886150

2020/12/26

9550

相似问题

Pandas DF，DateOffset，创建新列

118

使用Pandas (DateOffset)从日期列表创建日历

123

Pandas DateOffset复制其他列

111

将pandas DateOffset转换为微秒

11

在DateOffset中使用pandas Series.rolling

20

添加站长进交流群

领取专属 10元无门槛券

AI混元助手 在线答疑

关注 腾讯云开发者公众号

洞察 腾讯核心技术

剖析业界实践案例