Python 编辑日期列表

我有一个数据框，索引是日期。我想得到索引中的日期列表，但只能每隔90天一次。所以应该是[1999-01-01，1999-04-01，1999-07-01…]等等

df #is my dataframe
date_list = df.index.tolist()
new_list=[]
for date in date_list:
    new_date = date +datetime.timedelta(days=90)
    new_list.append(new_date)

这只给了我所有的日期，但却让我感动了90天。我使用的是datetime.timedelta，因为我的数据框缺少假日或周末等日期，所以我不能从数据框中每隔90个单元格调用一次

---

首先，我只想获取列表，然后我将进行一个while循环，以确保列表中的日期可以移动一到三天，以防它落在周末或假日。

更有效的方法是使用索引中的第一个和最后一个值生成范围，使用：

如果开始和结束分别是df.index[0]和df.index[-1]，则freq参数接受一个频率值，此处为90天，适合您的要求

---

这比在每个值上增加90天，然后取消其中的大部分要快得多。

更有效的方法是使用索引中的第一个和最后一个值生成范围，使用：

如果开始和结束分别是df.index[0]和df.index[-1]，则freq参数接受一个频率值，此处为90天，适合您的要求

---

这将比在每个价值上增加90天，然后取消大部分价值要快得多。

要改进EdChum答案：

导致您的数据框缺少日期，所有日期都在

pd.data_range(start, end, freq='90D')

索引中不需要，因此您应该：

dates_series = df.index

lst_dates = []
for dates_90D in pd.data_range(start, end, freq='90D'):
    dates_in_index = dates_series[dates_series>=dates_90D].min()
    lst_dates.append(dates_in_index)

同：

lst_dates = [df.index[df.index>=dates_90D] for dates_90D in pd.data_range(start, end, freq='90D')]

---

要改进EdChum的回答：

导致您的数据框缺少日期，所有日期都在

pd.data_range(start, end, freq='90D')

索引中不需要，因此您应该：

dates_series = df.index

lst_dates = []
for dates_90D in pd.data_range(start, end, freq='90D'):
    dates_in_index = dates_series[dates_series>=dates_90D].min()
    lst_dates.append(dates_in_index)

同：

lst_dates = [df.index[df.index>=dates_90D] for dates_90D in pd.data_range(start, end, freq='90D')]

---

假设你已经有了一个日期列表，你就不能用步幅吗

date_list = pd.date_range('2015-01-01', periods=365)

>>> date_list[::90]
DatetimeIndex(['2015-01-01', '2015-04-01', '2015-06-30', '2015-09-28',
               '2015-12-27'],
              dtype='datetime64[ns]', freq='90D', tz=None)

鉴于日期在索引中，您只需执行以下操作：

new_dates = df.index[::90]

编辑

考虑到您的初始日期有周末和节假日，并且您希望间隔为90天，您可以使用asof获取第90天间隔的最新值：

# An index based on M-F weekdays.
weekdays = pd.Index([d for d in pd.date_range('2015-01-01', periods=365) 
                     if d.weekday() < 5])

new_dates = [weekdays.asof(d) for d in pd.date_range('2015-01-01', '2015-12-31', freq='90D')]
>>> new_dates
[Timestamp('2015-01-01 00:00:00'),
 Timestamp('2015-04-01 00:00:00'),
 Timestamp('2015-06-30 00:00:00'),
 Timestamp('2015-09-28 00:00:00'),
 Timestamp('2015-12-25 00:00:00')]

---

假设你已经有了一个日期列表，你就不能用步幅吗

date_list = pd.date_range('2015-01-01', periods=365)

>>> date_list[::90]
DatetimeIndex(['2015-01-01', '2015-04-01', '2015-06-30', '2015-09-28',
               '2015-12-27'],
              dtype='datetime64[ns]', freq='90D', tz=None)

鉴于日期在索引中，您只需执行以下操作：

new_dates = df.index[::90]

编辑

考虑到您的初始日期有周末和节假日，并且您希望间隔为90天，您可以使用asof获取第90天间隔的最新值：

# An index based on M-F weekdays.
weekdays = pd.Index([d for d in pd.date_range('2015-01-01', periods=365) 
                     if d.weekday() < 5])

new_dates = [weekdays.asof(d) for d in pd.date_range('2015-01-01', '2015-12-31', freq='90D')]
>>> new_dates
[Timestamp('2015-01-01 00:00:00'),
 Timestamp('2015-04-01 00:00:00'),
 Timestamp('2015-06-30 00:00:00'),
 Timestamp('2015-09-28 00:00:00'),
 Timestamp('2015-12-25 00:00:00')]

---

我想你可以做的是把第一个和最后一个索引结果作为一个范围，并将其传递给pd。日期\范围开始、结束、频率='90D'或类似的方法是完美的。非常感谢。我想你可以做的是把第一个和最后一个索引结果作为一个范围，并将其传递给pd。日期\范围开始、结束、频率='90D'或类似的方法是完美的。非常感谢。答案很好，但它只会跳过原始索引中没有的日期。我最好得到一个单独的日期列表，如pd.data\u rangestart，end，freq='90D'，并设置一个函数，如果原始索引中缺少某个日期，则该函数将为该日期添加几天。最后，我会每隔90到95天得到一个日期一个好答案，但它只会跳过原始索引中没有的日期。我最好得到一个单独的日期列表，如pd.data\u rangestart，end，freq='90D'，并设置一个函数，如果原始索引中缺少某个日期，则该函数将为该日期添加几天。最后，我将每隔90到95天得到一个日期，这不起作用，因为OP的索引中缺少日期，他们需要一个常规的阶梯范围，这就是为什么我建议使用date_range，这不起作用，因为OP的索引中缺少日期，他们需要一个常规的阶梯范围，这就是为什么我建议使用date_range