Python 在Pandas中结合CustomBusinessDay和BusinessHour课程

我最近开始使用Pandas，并发现and类在处理日历数学时非常有用，同时考虑到特定的业务规则。然而，我想知道是否有可能将它们结合起来计算出这两个类的时间增量

例如，我希望在开始时间中添加n个营业时间，并让它跳过BusinessHour类定义的“休息时间”，以及CustomBusinessDay类定义的“休息日”中的所有时间

---

对该库有更多经验的人是否知道这是否容易实现，或者，如果不知道，对如何将此功能封装到另一个类中有什么建议？

从0.18.1版开始，您可以使用：

CustomBusinessHour是BusinessHour和BusinessHour的混合体 CustomBusinessDay，允许您指定任意假日。对于 详情见（）

我正在使用的一个例子是

from pandas.tseries.offsets import CustomBusinessHour
from pandas.tseries.holiday import Holiday, AbstractHolidayCalendar

class MyCalendar(AbstractHolidayCalendar):
    rules = [Holiday('my birthday', month=6, day=6)]

cbh = CustomBusinessHour(2, start='10:00', end='16:00', calendar=MyCalendar())

pd.date_range('20170602', periods=20, freq=cbh)

Out: 
DatetimeIndex(['2017-06-02 10:00:00', '2017-06-02 12:00:00',
               '2017-06-02 14:00:00', '2017-06-05 10:00:00',
               '2017-06-05 12:00:00', '2017-06-05 14:00:00',
               '2017-06-07 10:00:00', '2017-06-07 12:00:00',
               '2017-06-07 14:00:00', '2017-06-08 10:00:00',
               '2017-06-08 12:00:00', '2017-06-08 14:00:00',
               '2017-06-09 10:00:00', '2017-06-09 12:00:00',
               '2017-06-09 14:00:00', '2017-06-12 10:00:00',
               '2017-06-12 12:00:00'],
              dtype='datetime64[ns]', freq='2CBH')

---

@樵夫，你能详细说明一下吗？我在帖子中链接到了那个doc页面，但我没有看到任何地方表明这两个类可以一起使用。

from pandas.tseries.offsets import CustomBusinessHour
from pandas.tseries.holiday import Holiday, AbstractHolidayCalendar

class MyCalendar(AbstractHolidayCalendar):
    rules = [Holiday('my birthday', month=6, day=6)]

cbh = CustomBusinessHour(2, start='10:00', end='16:00', calendar=MyCalendar())

pd.date_range('20170602', periods=20, freq=cbh)

Out: 
DatetimeIndex(['2017-06-02 10:00:00', '2017-06-02 12:00:00',
               '2017-06-02 14:00:00', '2017-06-05 10:00:00',
               '2017-06-05 12:00:00', '2017-06-05 14:00:00',
               '2017-06-07 10:00:00', '2017-06-07 12:00:00',
               '2017-06-07 14:00:00', '2017-06-08 10:00:00',
               '2017-06-08 12:00:00', '2017-06-08 14:00:00',
               '2017-06-09 10:00:00', '2017-06-09 12:00:00',
               '2017-06-09 14:00:00', '2017-06-12 10:00:00',
               '2017-06-12 12:00:00'],
              dtype='datetime64[ns]', freq='2CBH')