> For the complete documentation index, see [llms.txt](https://bemind.gitbook.io/neural/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://bemind.gitbook.io/neural/uchebniki-po-pandas-i-numpy/pandas/pandas-date_range-kak-sozdat-diapazon-dat-v-pandas.md). # Pandas date\_range: Как Создать Диапазон Дат в Pandas В этом уроке мы глубоко погрузимся в один из самых необходимых и универсальных инструментов библиотеки Pandas — функцию `date_range`. Независимо от того, только ли вы начинаете изучать мощь Pandas или уже являетесь опытным пользователем, эта функция определенно должна быть в вашем арсенале Python. Это расширит ваши возможности работы с датами и временем в Pandas. Овладение функцией date\_range в Pandas откроет перед вами мир возможностей для анализа временных рядов. По завершении этого урока вы не только научитесь использовать функцию date\_range на полную мощность, но и сможете создавать пользовательские диапазоны дат с указанными частотами, интервалами и периодами для различных реальных приложений. Наденьте шапочку знаний и пристегнитесь, вас ждет захватывающее путешествие в удивительный мир Pandas и функции date Оглавление * [Функция диапазона дат Pandas](#funkciya-diapazona-dat-pandas) * [Создание простого диапазона дат с помощью Pandas `date_range`](#sozdanie-prostogo-diapazona-dat-s-pomoshyu-pandas-date_range) * [Создание диапазонов дат с настраиваемыми частотами в Pandas](#sozdanie-diapazonov-dat-s-nastraivaemymi-chastotami-v-pandas) * [Использование кратного пользовательской частоты в Pandas `date_range`](#ispolzovanie-kratnogo-polzovatelskoi-chastoty-v-pandas-date_range) * [Создание диапазонов дат с определенными периодами](#sozdanie-diapazonov-dat-s-opredelennymi-periodami) * [Создание диапазонов дат с определенными периодами и периодичностью](#sozdanie-diapazonov-dat-s-opredelennymi-periodami-i-periodichnostyu) * [Изменение границ диапазона дат Pandas](#izmenenie-granic-diapazona-dat-pandas) * [Включение часовых поясов при создании диапазона дат Pandas](#vklyuchenie-chasovykh-poyasov-pri-sozdanii-diapazona-dat-pandas) * [Изменение имени индекса диапазона дат Pandas](#izmenenie-imeni-indeksa-diapazona-dat-pandas) * [Заключение: создание диапазонов дат с помощью Pandas](#zaklyuchenie-sozdanie-diapazonov-dat-s-pomoshyu-pandas) ### Функция диапазона дат Pandas Давайте посмотрим на функцию date\_range Pandas, доступную в Pandas. Функция предоставляет большое количество различных параметров и аргументов по умолчанию. ```python # Understanding the Pandas date_range Function pd.date_range(start=None, end=None, periods=None, freq=None, tz=None, normalize=False, name=None, inclusive=None) ``` Прежде чем продолжить, давайте немного подробнее рассмотрим эти параметры. **Важно отметить, что для работы функции должно быть указано ровно три из следующих четырех параметров:** `start=`, `end=`, `periods=`, and `freq=`. | Параметр | Описание | Аргумент по умолчанию | Принятые значения | | --------- | ------------------------------------------------------------------------------------------- | --------------------- | ------------------------------------------------------------ | | start | Левая граница для генерации дат | `None` | string or datetime-like | | end | Правильная граница для генерации дат | `None` | string or datetime-like | | periods | Количество периодов для генерации | `None` | int | | freq | Частоты, используемые для генерации диапазонов | ‘`D`‘ | string or Dateoffset | | tz | Имя часового пояса для значений даты и времени с учетом часового пояса. | `None` | string or timezone info | | normalize | Следует ли нормализовать даты начала и окончания до полуночи перед созданием диапазона дат. | `False` | boolean | | name | Имя результирующего DatetimeIndex | `None` | string | | inclusive | Какие границы включить | `'both'` |


{“both”, “neither”, “left”, “right”}

| Функция заменила предыдущий параметр `closed=` на гораздо более мощный параметр `inclusive=` в январе 2022 года в версии 1.4. Давайте теперь перейдем к созданию нашего первого диапазона дат с использованием функции `date_range()` в Pandas. ### Создание простого диапазона дат с помощью Pandas date\_range **Самый простой тип диапазона дат, который мы можем создать с помощью функции `date_range()` в Pandas, - это указать начальную дату, конечную дату и частоту (которая по умолчанию установлена как “D” для дней)**. Давайте посмотрим, как мы можем создать диапазон дат, который включает в себя дни с 1 июля 2023 года по 7 июля 2023 года: ```python # Create a Simple Date Range in Pandas import pandas as pd dates = pd.date_range('2023-07-01', '2023-07-07') print(dates) # Returns: # DatetimeIndex(['2023-07-01', '2023-07-02', '2023-07-03', '2023-07-04', # '2023-07-05', '2023-07-06', '2023-07-07'], # dtype='datetime64[ns]', freq='D') ``` В указанном выше блоке кода мы создаем объект диапазона дат Pandas с использованием функции `pd.date_range()`. В этом случае мы передали только два аргумента, соответствующие параметрам `start=` и `end=`. По умолчанию функция будет использовать частоту `'D'`, что означает разделение каждого значения по дням. Давайте изучим этот объект `dates` немного подробнее, распечатав его тип: ```python # Checking the Type of a Date Range Object print(type(dates)) # Returns: # ``` При осмотре типа объекта можно увидеть, что он возвращает `DatetimeIndex`. Это означает, что Pandas создает очень производительный объект. Давайте рассмотрим некоторые другие типы диапазонов дат, которые мы можем создать, настраивая используемые частоты. ### Создание диапазонов дат с настраиваемыми частотами в Pandas В Pandas по умолчанию используется частота `'D'`, что означает, что каждый элемент находится на расстоянии одного дня друг от друга. Однако мы также можем указать наши собственные частоты, используя строку частот. В таблице ниже приведены некоторые важные строки частот. Это аналогично извлечению частей даты из даты в Pandas. | Псевдоним | Описание | | --------- | -------------------------------------------------------- | | B | частота рабочих дней | | C | пользовательская частота рабочих дней | | D | частота календарных дней | | W | еженедельная частота | | M | частота окончания месяца | | SM | частота окончания полумесяца (15-е число и конец месяца) | | BM | частота окончания рабочего месяца | | BH | частота рабочих часов | | H | почасовая частота | | T, min | поминутная частота | Давайте посмотрим, как мы можем создать диапазон дат, используя функцию Pandas date\_range(), где значения делятся по полумесячной частоте. Создадим диапазон дат с 1 июля 2023 г. по 31 сентября 2023 г.: ```python # Create a Date Range in Pandas with a Custom Frequency import pandas as pd dates = pd.date_range('2023-07-01', '2023-08-31', freq='SM') print(dates) # Returns: # DatetimeIndex(['2023-07-15', '2023-07-31', '2023-08-15', '2023-08-31'], dtype='datetime64[ns]', freq='SM-15') ``` В указанном выше блоке кода мы установили начальную и конечную даты с 1 июля 2023 года по 31 сентября 2023 года. Мы использовали частоту дважды в месяц, которая выбирает 15-е число месяца и последний день месяца. Из-за этого 1 июля игнорируется. Более подробную информацию о пользовательских строках частоты можно найти в [официальной документации](https://pandas.pydata.org/pandas-docs/stable/user_guide/timeseries.html#offset-aliases) ### Использование кратного пользовательской частоты в Pandas date\_range Мы можем пойти еще дальше, указав кратность пользовательской частоты. Например, если мы хотим создать диапазон дат, который пропускает каждый второй день, мы можем использовать `freq='2D'`. Давайте посмотрим, как мы можем воспроизвести наш предыдущий пример с этой частотой: ```python # Create a Custom Date Range in Pandas import pandas as pd dates = pd.date_range('2023-07-01', '2023-07-07', freq='2D') print(dates) # Returns: # DatetimeIndex(['2023-07-01', '2023-07-03', '2023-07-05', '2023-07-07'], dtype='datetime64[ns]', freq='2D') ``` В указанном выше блоке кода мы использовали частоту `'2D'`, что обозначает двухдневный интервал. Это означает, что мы начинаем с первого указанного дня, затем генерируем каждый второй день до окончания. Этот процесс гораздо проще, чем добавление дат к дате в Pandas ### Создание диапазонов дат с определенными периодами До сих пор мы рассматривали использование начальных и конечных дат при создании диапазона дат. Это означает, что Pandas определяет, сколько значений включить. Мы также можем указать количество значений, которые нужно сгенерировать, используя параметр **`periods=`** Давайте посмотрим, как мы можем создать диапазон дат, который будет содержать пять значений между 1 и 20 июля 2023 года: ```python # Create a Custom Date Range with Specific Periods import pandas as pd dates = pd.date_range('2023-07-01', '2023-07-20', periods=5) print(dates) # Returns: # DatetimeIndex(['2023-07-01 00:00:00', '2023-07-05 18:00:00', # '2023-07-10 12:00:00', '2023-07-15 06:00:00', # '2023-07-20 00:00:00'], # dtype='datetime64[ns]', freq=None) ``` В приведенном выше блоке кода мы указали три параметра: `start`, `end` и `periods`. Поскольку мы не указали параметр `freq=`, Pandas самостоятельно решает, какую частоту использовать! Аналогично, мы можем не указывать конец диапазона дат, что позволяет нам определять периоды и частоту. Давайте рассмотрим это в следующем разделе. ### Создание диапазонов дат с определенными периодами и периодичностью Функция `date_range()` библиотеки Pandas требует указания трех из четырех параметров: `start=`, `end=`, `periods=`, и `freq=`. Это позволяет опустить параметр `end=`, тем самым задать начальное значение, частоту и количество периодов. Давайте посмотрим, как это может выглядеть: ```python # Create a Custom Date Range with Specific Periods and Frequencies import pandas as pd dates = pd.date_range('2023-07-01', freq='B', periods=5) print(dates) # Returns: # DatetimeIndex(['2023-07-03', '2023-07-04', '2023-07-05', '2023-07-06', # '2023-07-07'], # dtype='datetime64[ns]', freq='B') ``` В указанном выше блоке кода мы указали, что хотим создать диапазон дат, содержащий только рабочие дни, начиная с 1 июля 2023 года на протяжении пяти периодов. Поскольку 1 июля 2023 года выпадает на субботу, диапазон на самом деле начинается с 3 июля 2023 года. ### Изменение границ диапазона дат Pandas По умолчанию функция `date_range` в Pandas будет включать в себя как начальную, так и конечную даты диапазона. Это связано с тем, что в Pandas используется параметр `inclusive='both'`. Мы можем передать следующие параметры, чтобы изменить это поведение: * “both”, который включает оба значения * “neither”, что исключает оба значения * “left”, который включает только левое значение * “right”, который включает только правильное значение Давайте посмотрим, как мы можем опустить оба значения, повторив наш первый пример: ```python # Modifying Edge Behavior in a Pandas Date Range import pandas as pd dates = pd.date_range('2023-07-01', '2023-07-07', inclusive='neither') print(dates) # Returns: # DatetimeIndex(['2023-07-02', '2023-07-03', '2023-07-04', '2023-07-05', # '2023-07-06'], # dtype='datetime64[ns]', freq='D') ``` В приведенном выше примере мы использовали ежедневную частоту с 1 по 7 июля 2023 года. Однако мы изменили параметр `inclusive=` так, чтобы оба конца диапазона были исключены. Из-за этого начальное и конечное значения были исключены. ### Включение часовых поясов при создании диапазона дат Pandas По умолчанию, значения в диапазоне дат Pandas не содержат информации о часовом поясе, что означает отсутствие данных о часовом поясе. Мы можем указать конкретный часовой пояс, используя имя желаемого часового пояса. Например, давайте укажем часовой пояс восточного побережья США, передав `'US/Eastern'` в качестве часового пояса. Чтобы указать часовой пояс, используйте параметр `tz=`. Давайте посмотрим, как это выглядит ниже: ```python # Create a Date Range in Pandas with Timezones import pandas as pd dates = pd.date_range('2023-07-01', '2023-07-07', tz='US/Eastern') print(dates) # Returns: # DatetimeIndex(['2023-07-01 00:00:00-04:00', '2023-07-02 00:00:00-04:00', # '2023-07-03 00:00:00-04:00', '2023-07-04 00:00:00-04:00', # '2023-07-05 00:00:00-04:00', '2023-07-06 00:00:00-04:00', # '2023-07-07 00:00:00-04:00'], # dtype='datetime64[ns, US/Eastern]', freq='D') ``` Видно, что значения в результирующем диапазоне дат теперь включают информацию о часовом поясе, специфическую для часового пояса США/Восточный. ### Изменение имени индекса диапазона дат Pandas В этом последнем разделе мы рассмотрим, как изменить имя результирующего индекса. Поскольку функция `date_range()` в Pandas возвращает объект в стиле индекса, это изменит структуру данных. Давайте посмотрим, как мы можем указать имя индекса, используя параметр `name=` ```python # Create a Date Range in Pandas with an Index Name import pandas as pd dates = pd.date_range('2023-07-01', '2023-07-07', name='Date') print(dates) # Returns: # DatetimeIndex(['2023-07-01', '2023-07-02', '2023-07-03', '2023-07-04', # '2023-07-05', '2023-07-06', '2023-07-07'], # dtype='datetime64[ns]', name='Date', freq='D') ``` В приведенном выше примере мы видим, что атрибут `name=` теперь также включен в диапазон дат. Когда мы создаем DataFrame с этим, эта метка также применяется к индексу. Давайте посмотрим, как это выглядит: ```python # Create a DateFrame in Pandas with an Index Name import pandas as pd df = pd.DataFrame(range(7), columns=['Num'], index=pd.date_range('2023-07-01', '2023-07-07', name='Date')) print(df) # Returns: # Num # Date # 2023-07-01 0 # 2023-07-02 1 # 2023-07-03 2 # 2023-07-04 3 # 2023-07-05 4 # 2023-07-06 5 # 2023-07-07 6 ``` В приведенном выше DataFrame видно, что индекс теперь имеет название, `'Date'` ### Заключение: создание диапазонов дат с помощью Pandas В заключение мы успешно рассмотрели основы функции Pandas date\_range, подробно остановились на ее многочисленных применениях и настройках, которые позволяют нам с легкостью решать широкий спектр задач, связанных с временными рядами. Мы исследовали всё, начиная от создания пользовательских диапазонов дат с заданными частотами и периодами, и заканчивая детальной настройкой часовых поясов и имен индексов для лучшего соответствия нашим требованиям. Вы можете узнать больше о функции, посетив [официальную документацию.](https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.date_range.html)