广州专业建网站公司什么是seo搜索
在 Pandas 中，Period 对象用于表示特定的时间区间（如某个月、某个季度），而不是时间点（后者用 Timestamp）。它是处理时间序列数据的重要工具，尤其适合需要按固定周期（如月度、季度）分析的场景。
核心概念
-
与
Timestamp的区别：-
Timestamp表示具体时刻（如2023-01-01 00:00:00）。 -
Period表示时间区间（如2023年1月整月）。
-
-
关键属性：
-
start_time：周期起始时间 -
end_time：周期结束时间 -
freq：周期频率（如'M'表示月）
-
创建 Period 对象
import pandas as pd# 创建单个 Period
p = pd.Period("2023-01", freq='M') # 表示 2023年1月整月
print(p)
# 输出: 2023-01# 获取起止时间
print("Start:", p.start_time) # 2023-01-01 00:00:00
print("End: ", p.end_time) # 2023-01-31 23:59:59.999999999常用频率（freq）别名
| 别名 | 含义 | 示例 |
|---|---|---|
D | 日 | 2023-01-01 |
M | 月 | 2023-01 |
Q | 季度 | 2023Q1 (1-3月) |
A/Y | 年 | 2023 |
H | 小时 | 2023-01-01 12 |
T/min | 分钟 | 2023-01-01 12:30 |
周期运算
p = pd.Period("2023-01", freq='M')# 加减整数 → 移动周期
print(p + 1) # 2023-02 (下个月)
print(p - 2) # 2022-11 (两个月前)# 获取周期长度（天数）
print(p.days_in_month) # 31 (1月有31天)# 周期差（同频率）
p2 = pd.Period("2023-03", freq='M')
print(p2 - p) # 2 (相差2个月)实际应用场景
1. 创建 Period 序列
# 生成月度周期序列
periods = pd.period_range("2023-01", "2023-06", freq='M')
print(periods)
# 输出: PeriodIndex(['2023-01', '2023-02', ..., '2023-06'], dtype='period[M]')2. 时间序列重采样
# 将日数据聚合为月数据
ts = pd.Series(data=[10, 20, 15, 30],index=pd.date_range("2023-01-01", periods=4, freq='D')
)monthly = ts.resample('M').sum() # 按月度周期求和
print(monthly.index) # 自动转为 PeriodIndex3. 周期转换
p = pd.Period("2023-01", freq='M')# 转换为不同频率
print(p.asfreq('Q')) # 2023Q1 (所属季度)
print(p.asfreq('A')) # 2023 (所属年份)注意事项
-
频率一致性：不同频率的
Period无法直接运算（需先统一频率）。 -
时区处理：用
tz参数指定时区（如freq='M', tz='Asia/Shanghai'）。 -
边界精度：
end_time包含该周期最后一刻（纳秒级精度）。
通过 Period，Pandas 提供了对时间区间的原生支持，极大简化了按固定周期汇总、分析数据的流程。结合 PeriodIndex 和重采样功能，可高效处理金融、经济等领域的周期性数据。