Python 如何使用pandas.date_range（）获取在指定开始日期和结束日期之间有n个指定时段（相等）的时间序列

我想在开始日期和结束日期（包括这些界限）之间获得一个列表或n个日期序列，但是

ValueError的结果：必须指定两个开始、结束或期间。我不能使用freq=freq参数，因为我的日期范围不会是统一的——它可能是一个月到两年的跨度，因此我想要一个具有n个点的等距时间序列

---

谢谢

我不认为你可以仅使用numpy，但为什么不使用numpy的：

[11]中的

start=pd.Timestamp（'2012-01-01'）
在[12]中：end=pd.时间戳（'2012-02-01'）
在[13]中：np.linspace（start.value，end.value，10）#包括10个日期
出[13]：
阵列（[1.32537600e+18，1.32567360e+18，1.32597120e+18，
1.32626880e+18、1.326566400E+18、1.32686400e+18、，
1.32716160e+18、1.32745920e+18、1.32775680e+18、，
1.32805440e+18]）
在[14]中：pd.to_datetime（np.linspace（start.value，end.value，10））
出[14]：
[2012-01-01 00:00:00, ..., 2012-02-01 00:00:00]
长度：10，频率：无，时区：无

---

您可以将其作为频率传递，但对于不能平均分配的时间，这可能/将不准确：

In [21]: (end - start)/ 9
Out[21]: datetime.timedelta(3, 38400)

In [22]: ((end - start)/ 9).total_seconds()
Out[22]: 297600.0

# Note: perhaps there's a better way to pass this as a freq?
In [23]: pd.date_range(start=start, end=end, freq='%iS' % ((end - start)/ 9).total_seconds())
Out[23]:
<class 'pandas.tseries.index.DatetimeIndex'>
[2012-01-01 00:00:00, ..., 2012-02-01 00:00:00]
Length: 10, Freq: 297600S, Timezone: None

[21]中的

：（结束-开始）/9
Out[21]：datetime.timedelta（338400）
在[22]中：（（结束-开始）/9）.total_seconds（）
Out[22]：297600.0
#注意：也许有更好的方法将其作为freq传递？
在[23]中：pd.date\u范围（start=start，end=end，freq=%为“%”（（end-start）/9）。总秒数（）
出[23]：
[2012-01-01 00:00:00, ..., 2012-02-01 00:00:00]
长度：10，频率：297600，时区：无

从Pandas 0.23（或更早版本）开始，您可以像最初尝试的那样使用

Pandas.date\u range

。它不会引发错误，其行为与您预期的一样。例如：

pd.date_range('2016-01-01', '2017-01-01', periods=13, tz='utc')
Out[44]: 
DatetimeIndex(['2016-01-01 00:00:00+00:00', '2016-01-31 12:00:00+00:00',
               '2016-03-02 00:00:00+00:00', '2016-04-01 12:00:00+00:00',
               '2016-05-02 00:00:00+00:00', '2016-06-01 12:00:00+00:00',
               '2016-07-02 00:00:00+00:00', '2016-08-01 12:00:00+00:00',
               '2016-09-01 00:00:00+00:00', '2016-10-01 12:00:00+00:00',
               '2016-11-01 00:00:00+00:00', '2016-12-01 12:00:00+00:00',
               '2017-01-01 00:00:00+00:00'],
              dtype='datetime64[ns, UTC]', freq=None)

---

2016年（闰年）共有366天，因此时间戳间隔为30.5天。

谢谢-np.linspace非常有用-我实际上在列表中使用了它，在结束/开始时减去/添加天数。@arosner09如果这有帮助，请向上投票/接受：这非常有效，但似乎是一种变通方法。。如果指定了所有三个参数，为什么这不是

pd.date\u range

的默认行为？

In [21]: (end - start)/ 9
Out[21]: datetime.timedelta(3, 38400)

In [22]: ((end - start)/ 9).total_seconds()
Out[22]: 297600.0

# Note: perhaps there's a better way to pass this as a freq?
In [23]: pd.date_range(start=start, end=end, freq='%iS' % ((end - start)/ 9).total_seconds())
Out[23]:
<class 'pandas.tseries.index.DatetimeIndex'>
[2012-01-01 00:00:00, ..., 2012-02-01 00:00:00]
Length: 10, Freq: 297600S, Timezone: None

pd.date_range('2016-01-01', '2017-01-01', periods=13, tz='utc')
Out[44]: 
DatetimeIndex(['2016-01-01 00:00:00+00:00', '2016-01-31 12:00:00+00:00',
               '2016-03-02 00:00:00+00:00', '2016-04-01 12:00:00+00:00',
               '2016-05-02 00:00:00+00:00', '2016-06-01 12:00:00+00:00',
               '2016-07-02 00:00:00+00:00', '2016-08-01 12:00:00+00:00',
               '2016-09-01 00:00:00+00:00', '2016-10-01 12:00:00+00:00',
               '2016-11-01 00:00:00+00:00', '2016-12-01 12:00:00+00:00',
               '2017-01-01 00:00:00+00:00'],
              dtype='datetime64[ns, UTC]', freq=None)