Python 如何验证字符串是否对应于有效的日期时间频率？（如&x27；1D&x27；）

简而言之，python中有几个datetime功能允许您使用频率对日期范围进行重新采样（例如，每日、每周等，以ts.resample（'1D'）.apply（np.sum）的形式使用），但我还没有找到任何机制来验证字符串是否为有效频率

我查看了文档，在那里我找到了，但仍然无法验证它

我还在（pd.offsets.prefix_映射）中找到了一个带有偏移量的前缀映射，但我认为要使用这个前缀映射，我必须从字符串中删除数值（例如，'M'而不是'3M'）

我也不确定这两者是否对应于相同的数据结构

TLDR：

是否有任何直接的方法来验证字符串是否对应于偏移量/频率？如何确保freq有效

 freq = '2D'
 # TODO Validate freq
 pd.date_range(start='1/1/2018', end='1/09/2018', freq=freq)

---

使用正则表达式，如：

[0-9][DM]

1D

或

2D

或

3M

将符合前面的正则表达式

---

有关Python中的正则表达式实现的更多信息，请参阅。

使用pandas函数进行偏移：

最后的to_offset调用将生成错误：

ValueError:无效频率：3X

---

因此，您可以使用try/except来验证任何给定的偏移量别名。

带有输入片段和预期输出的问题得到比文本解释更好的回答。谢谢@mohanys。为了便于阅读，我将其添加为TLDR。不幸的是，有很多不同的有效版本。我认为正则表达式不能解决我的问题。不过，谢谢你。我看不到你似乎看到的反例。你能详细说明一下吗？例如，1h23m。这不是反例<代码>（[0-9]M）？（[0-9][Hh]）？（[0-9]|1[0-9]|2[0-3]）[Mm]）？适合于此。（如果空字符串是有效输入）。谢谢你，马克！好久不见了，啊哈

from pandas.tseries.frequencies import to_offset
to_offset("5min")
to_offset("1D1H")
to_offset("2W")
to_offset("3X")