Pandas 日期时间索引-转换索引

因此，我正在使用Pandas进行一些技术分析，但是我在DateTimeIndex方面遇到了困难，因为很多财务数据的频率并不一致

            Open    High    Low Close   Adj Close   Volume
Date                        
2017-05-11  160.330002  160.520004  157.550003  158.539993  158.539993  5677400
2017-05-12  159.110001  160.839996  158.509995  160.809998  160.809998  5092900
2017-05-15  160.250000  161.779999  159.759995  160.020004  160.020004  4972000
2017-05-16  160.500000  161.179993  159.330002  159.410004  159.410004  3464900
2017-05-17  158.089996  158.779999  153.000000  153.199997  153.199997  8184500
2017-05-18  153.610001  156.889999  153.240005  155.699997  155.699997  6802700
2017-05-19  156.149994  158.050003  155.910004  157.020004  157.020004  4091500
2017-05-22  157.860001  158.600006  156.429993  157.160004  157.160004  3744100
2017-05-23  157.750000  158.309998  156.800003  157.949997  157.949997  3370900
2017-05-24  158.350006  158.479996  157.169998  157.750000  157.750000  2970800

我使用pandas_datareader获取雅虎财务数据，包括DateTimeIndex、开盘价、收盘价、高价、低价和成交量价格。接下来我要计算一些我想开始分析的日期。我的问题是，一旦我有了这些日期，我真的很难“访问”上一个交易日和下一个交易日对应的值。数据帧上的Shift仅对数据帧本身有效，不会移动索引。DateTimeIndex上的Shift只能以一致的频率工作

            Open    High    Low Close   Adj Close   Volume
Date                        
2017-05-11  160.330002  160.520004  157.550003  158.539993  158.539993  5677400
2017-05-12  159.110001  160.839996  158.509995  160.809998  160.809998  5092900
2017-05-15  160.250000  161.779999  159.759995  160.020004  160.020004  4972000
2017-05-16  160.500000  161.179993  159.330002  159.410004  159.410004  3464900
2017-05-17  158.089996  158.779999  153.000000  153.199997  153.199997  8184500
2017-05-18  153.610001  156.889999  153.240005  155.699997  155.699997  6802700
2017-05-19  156.149994  158.050003  155.910004  157.020004  157.020004  4091500
2017-05-22  157.860001  158.600006  156.429993  157.160004  157.160004  3744100
2017-05-23  157.750000  158.309998  156.800003  157.949997  157.949997  3370900
2017-05-24  158.350006  158.479996  157.169998  157.750000  157.750000  2970800

例如，给定日期

2017-05-19

，我希望能够访问日期

2017-05-18

以及

2017-05-22

的行。不仅是值，因为在原始df上使用shift仍然可以很容易地找到这些值，而且我还希望获得“下一行”的datetimeindex

在此问题上的任何帮助都将不胜感激

---编辑 我有一个包含多个日期的索引“series”，我想找到该系列中每个日期的“下一行”

tmp = data.iloc[8:15, :1]
print(tmp)

h, l = momentum_gaps(data)
print(h)

print( tmp.iloc[ tmp.index.get_loc[h] ] )

此代码生成输出

                  Open
Date                  
2017-05-23  157.750000
2017-05-24  158.350006
2017-05-25  161.000000
2017-05-26  162.839996
2017-05-30  163.600006
2017-05-31  163.610001
2017-06-01  163.520004
DatetimeIndex(['2017-05-25', '2017-07-12', '2017-07-18'], dtype='datetime64[ns]', name=u'Date', freq=None)
---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-159-a3f58efdc9d2> in <module>()
      5 print(h)
      6 
----> 7 print( tmp.iloc[ tmp.index.get_loc[h] ] )

TypeError: 'instancemethod' object has no attribute '__getitem__'

打开
日期
2017-05-23  157.750000
2017-05-24  158.350006
2017-05-25  161.000000
2017-05-26  162.839996
2017-05-30  163.600006
2017-05-31  163.610001
2017-06-01  163.520004
DatetimeIndex（['2017-05-25'，'2017-07-12'，'2017-07-18'，dtype='datetime64[ns]'，name=u'Date'，freq=None）
---------------------------------------------------------------------------
TypeError回溯（最近一次调用上次）
在（）
5打印（h）
6.
---->7打印（tmp.iloc[tmp.index.get_loc[h]]
TypeError:“instancemethod”对象没有属性“\uuu getitem\uuu”

您可以使用get\u loc和iloc

t = '2017-05-19'
req_row = df.index.get_loc(t)

现在获取数据帧的切片

df.iloc[[req_row-1, req_row,req_row+1]]

你得到

            Open        High        Low         Close       Adj_Close   Volume
Date                        
2017-05-18  153.610001  156.889999  153.240005  155.699997  155.699997  6802700
2017-05-19  156.149994  158.050003  155.910004  157.020004  157.020004  4091500
2017-05-22  157.860001  158.600006  156.429993  157.160004  157.160004  3744100

            Open        High        Low         Close       Adj_Close   Volume
Date                        
2017-05-18  153.610001  156.889999  153.240005  155.699997  155.699997  6802700
2017-05-19  156.149994  158.050003  155.910004  157.020004  157.020004  4091500
2017-05-22  157.860001  158.600006  156.429993  157.160004  157.160004  3744100
2017-05-23  157.750000  158.309998  156.800003  157.949997  157.949997  3370900

编辑： 假设你有一个系列，在tmp列表中获取索引

tmp = df.iloc[4:8].index.tolist()

现在要获取每个日期的下一行

req_rows = [df.index.get_loc(t)+1 for t in tmp]
df.iloc[req_rows]

你得到

            Open        High        Low         Close       Adj_Close   Volume
Date                        
2017-05-18  153.610001  156.889999  153.240005  155.699997  155.699997  6802700
2017-05-19  156.149994  158.050003  155.910004  157.020004  157.020004  4091500
2017-05-22  157.860001  158.600006  156.429993  157.160004  157.160004  3744100

            Open        High        Low         Close       Adj_Close   Volume
Date                        
2017-05-18  153.610001  156.889999  153.240005  155.699997  155.699997  6802700
2017-05-19  156.149994  158.050003  155.910004  157.020004  157.020004  4091500
2017-05-22  157.860001  158.600006  156.429993  157.160004  157.160004  3744100
2017-05-23  157.750000  158.309998  156.800003  157.949997  157.949997  3370900

---

啊，你又以5秒的优势击败了我，你的回答与我的回答完全相同。@cᴏʟᴅsᴘᴇᴇᴅ, 如果我告诉你这件事总是发生在我身上，你会感觉好点吗？：）啊，这真的帮了大忙！显然我已经有了这个，但它对我不起作用，因为我有一个具有多个日期时间的

对象，它不能将其转换为一个时间戳。如果

t

包含多个日期，您对如何为每个元素“获取下一个日期”有什么建议吗？我希望我能说是，但是…；-）@MrBobJamesBob一个重现你问题的MCVE在这里会很有帮助。