Pandas 另一个的datetimeindex子集？

检查DateTimeIndex是否完全是另一个索引的子集的最快方法是什么

---

我正在比较两个索引的交集与较小索引的交集：首先是长度，然后是内容。

类似的方法可以：

index_1 = pd.date_range('1/1/2016', periods=100, freq='H')
index_2 = pd.date_range('1/3/2016', periods=15, freq='H')
set(index_2).issubset(index_1)

或：

另一种方法是使用内置的

DatetimeIndex.intersection

方法：

import pandas as pd
import numpy as np
one = pd.date_range('1/1/2011', periods=72, freq='H')
two = pd.date_range('1/2/2011', periods=12, freq='H')

# either...
np.all(one.intersection(two) == two)

# ...or
one.intersection(two).equals(two)

对于大指数，此解决方案的速度明显更快（下面的测试是720k和120k周期）：

---

编辑添加了比较

索引

相等性的替代方法（稍微快一点）。

您能发布您的代码吗？如果此测试对性能敏感，我们是否希望将索引转换为python集然后调用IsubSet的成本可以忽略不计？是的，

%timeit

显示该方法直接慢于索引长度，请参见Igor Raush的答案（IMHO him的答案应该是公认的答案）是的，在我的系统中，对于（3M，0.5M）长度的索引，该方法大约快15倍。如果交叉点为空，上述方法是否仍然有效？或者我们需要先对交叉点的长度进行明确测试吗？是的，空交叉点将是一个空的

DatetimeIndex

，它将不会与任何一个原始范围进行比较。

import pandas as pd
import numpy as np
one = pd.date_range('1/1/2011', periods=72, freq='H')
two = pd.date_range('1/2/2011', periods=12, freq='H')

# either...
np.all(one.intersection(two) == two)

# ...or
one.intersection(two).equals(two)

In [10]: %timeit set(one).issuperset(two)
1 loops, best of 3: 992 ms per loop

In [11]: %timeit np.all(one.intersection(two) == two)
100 loops, best of 3: 8.8 ms per loop

In [12]: %timeit one.intersection(two).equals(two)
100 loops, best of 3: 8.77 ms per loop