Python 将datetimeindex延长1个句点

考虑

DateTimeIndex

dates

dates = pd.date_range('2016-01-29', periods=4, freq='BM')
dates

DatetimeIndex(['2016-01-29', '2016-02-29', '2016-03-31', '2016-04-29'],
              dtype='datetime64[ns]', freq='BM')

我想以附加到对象的频率将索引延长一个周期

---

我想

pd.date_range('2016-01-29', periods=5, freq='BM')

DatetimeIndex(['2016-01-29', '2016-02-29', '2016-03-31', '2016-04-29',
               '2016-05-31'],
              dtype='datetime64[ns]', freq='BM')

---

我试过了

dates.append(dates[[-1]] + pd.offsets.BusinessMonthEnd())

然而

• 不通用于使用

  日期的频率

• 我收到性能警告 PerformanceWarning：应用于Series或DatetimeIndex的非矢量化日期偏移量

试试这个：

In [207]: dates = dates.append(pd.DatetimeIndex(pd.Series(dates[-1] + pd.offsets.BusinessMonthEnd())))

In [208]: dates
Out[208]: DatetimeIndex(['2016-01-29', '2016-02-29', '2016-03-31', '2016-04-29', '2016-05-31'], dtype='datetime64[ns]', freq=None)

或者使用

list

（

[…]

）而不是

pd.Series（）

：

---

DatetimeIndex

中的时间戳已经知道它们描述的是营业月末，因此您只需添加1：

import pandas as pd
dates = pd.date_range('2016-01-29', periods=4, freq='BM')

print(repr(dates[-1]))
# => Timestamp('2016-04-29 00:00:00', offset='BM')

print(repr(dates[-1] + 1))
# => Timestamp('2016-05-31 00:00:00', offset='BM')

您可以使用

.union

将后者添加到索引中：

dates = dates.union([dates[-1] + 1])
print(dates)
# => DatetimeIndex(['2016-01-29', '2016-02-29', '2016-03-31', '2016-04-29',
#                   '2016-05-31'],
#                  dtype='datetime64[ns]', freq='BM')

---

与

.append

相比，这保留了有关偏移的知识。

我将使用

.tshift

功能，然后相应地使用：

dr = pd.date_range(start='1/1/2020', periods=5, freq='D')
df = pd.DataFrame(data=[1,2,3,4,5], 
                  index=dr,
                  columns=['A'])
df.head()
            A
2020-01-01  1
2020-01-02  2
2020-01-03  3
2020-01-04  4
2020-01-05  5 <-

df.tshift()
            A
2020-01-02  1
2020-01-03  2
2020-01-04  3
2020-01-05  4
2020-01-06  5 <-

other = pd.DataFrame([6], columns=['A'], index=[df.tshift().index[-1]])
other.head()
            A
2020-01-06  6

df.append(other)
            A
2020-01-01  1
2020-01-02  2
2020-01-03  3
2020-01-04  4
2020-01-05  5
2020-01-06  6 <-

dr=pd.date\u范围（起始日期为2020年1月1日，周期为5，频率为D）
df=pd.DataFrame（数据=[1,2,3,4,5]，
索引=dr，
列=['A']）
df.head（）
A.
2020-01-01  1
2020-01-02  2
2020-01-03  3
2020-01-04  4
2020-01-05 5熊猫==1.1.1对+1的回答
接下来，对于
pandas==1.1.1
，我发现这是最好的解决方案：

dates.union（pd.date\u范围（dates[-1]+dates.freq，periods=1，freq=dates.freq））

使用n的广义答案
信用
结合@alberto garcia raboso的回答和@ballpointben的评论

什么不起作用

以下内容刚被格式化为
索引
，而不是
日期时间索引
：
dates.union（[dates[-1]+dates.freq]）
另外，不推荐使用日期[-1]+1

最佳解决方案是：

import pandas as pd
dates = pd.date_range('2016-01-29', periods=4, freq='BM')
extended = dates.union(dates.shift(n)[-n:])

其中n是要添加的时段数。使用

n=4

，您将获得如下扩展日期范围：

DatetimeIndex(['2016-01-29', '2016-02-29', '2016-03-31', '2016-04-29',
               '2016-05-31', '2016-06-30', '2016-07-29', '2016-08-31'],
              dtype='datetime64[ns]', freq='BM')

---

非常好和整洁的解决方案！如果您希望将索引扩展到

n

periods，可以使用

dates.union（pd.date\u范围（dates[-1]+1，periods=n，freq=dates.freq））

现在不推荐使用这种方法。不推荐将整数和整数数组加减到时间戳，将在将来的版本中删除。使用

n*self.freq

而不是添加/减去

n

。自版本1.1.0以来，tshift似乎已被弃用。我建议使用fccoelho的答案。

import pandas as pd
dates = pd.date_range('2016-01-29', periods=4, freq='BM')
extended = dates.union(dates.shift(n)[-n:])

DatetimeIndex(['2016-01-29', '2016-02-29', '2016-03-31', '2016-04-29',
               '2016-05-31', '2016-06-30', '2016-07-29', '2016-08-31'],
              dtype='datetime64[ns]', freq='BM')