将pandas datetimeindex延长1个周期

Question

考虑一下 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')

我想在附加到对象的频率上将索引扩展一个句点.

---

我预计

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

• 不推广使用频率 dates
• 我得到了一个性能警告

  PerformanceWarning:应用于Series或DatetimeIndex的非向量化DateOffset

Answer 1

您DatetimeIndex已经知道他们描述业务月结束的时间戳,所以您只需添加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以下命令将后者添加到索引:

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')

相比之下.append,这保留了偏移的知识.

Answer 2

pandas==1.1.1 答案+1

为了跟进这个问题，pandas==1.1.1我发现这是最好的解决方案：

dates.union(pd.date_range(dates[-1] + dates.freq, periods=1, freq=dates.freq))

使用 n 的广义答案

n=3
dates.union(pd.date_range(dates[-1] + dates.freq, periods=n, freq=dates.freq))

制作人员

结合@alberto-garcia-raboso 的回答和@ballpointben 的评论。

什么不起作用

• 以下内容刚刚被格式化为 an Index，而不是 a DateTimeIndex： dates.union([dates[-1] + dates.freq])
• 也dates[-1] + 1已弃用。

Answer 3

最好的解决方案是：

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 是要添加的周期数。使用n=4，您将获得如下所示的扩展日期范围：

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')