计算直到年底python的时间

2019年8月6日 245次阅读

我有过去50年每个工作日的股票价格数据,包括日期/时间戳.在每个月末,我需要计算直到年底的剩余天数.必须考虑闰年,因为解决方案必须使用时间戳.我试过这段代码：

from datetime import datetime 
t = df.index
dfa =(datetime(t.year, 12, 31) -t)/(datetime(t.year, 12, 31)-datetime(t.year, 1, 1))

但是,它返回TypeError：

only length-1 arrays can be converted to Python scalars

我也试过这个：

i=0
df["time_value"] = 0
while i<len(df):
    t = df.index[i]
    time_value=(datetime(t.year, 12, 31) -t)/(datetime(t.year, 12, 31)-datetime(t.year, 1, 1))
    df.time_value[i] = time_value
    i+1

这是使用的数据帧的简短示例：

              CLOSE_SPX    Close_iBoxx  A_Returns  B_Returns  A_Vola    B_Vola
2014-05-15    1870.85      234.3017    -0.009362   0.003412   0.170535  0.075468   
2014-05-16    1877.86      234.0216     0.003747  -0.001195   0.170153  0.075378
2014-05-19    1885.08      233.7717     0.003845  -0.001068   0.170059  0.075384   
2014-05-20    1872.83      234.2596    -0.006498   0.002087   0.170135  0.075410   
2014-05-21    1888.03      233.9101     0.008116  -0.001492   0.169560  0.075326   
2014-05-22    1892.49      233.5429     0.002362  -0.001570   0.169370  0.075341   
2014-05-23    1900.53      233.8605     0.004248   0.001360   0.168716  0.075333   
2014-05-27    1911.91      234.0368     0.005988   0.000754   0.168797  0.075294   
2014-05-28    1909.78      235.4454    -0.001114   0.006019   0.168805  0.075474   
2014-05-29    1920.03      235.1813     0.005367  -0.001122   0.168866  0.075451   
2014-05-30    1923.57      235.2161     0.001844   0.000148   0.168844  0.075430   
2014-06-02    1924.97      233.8868     0.000728  -0.005651   0.168528  0.075641   
2014-06-03    1924.24      232.9049    -0.000379  -0.004198   0.167852  0.075267

最佳答案 Pandas具有
DateOffset功能,简化了这种计算.您可以使用pd.datetools.YearEnd()访问YearEnd偏移量.创建一个新列’d’来处理.对于此列中的每个值,添加YearEnd偏移量.然后从总和中减去原始日期,得出到年末的天数：

import pandas as pd
df['d'] = df.index 
df['days'] = df.apply(lambda i: i['d'] + pd.datetools.YearEnd() - i['d'], axis=1)

您无需创建新的“日期”列,如果愿意,您只需覆盖“d”列即可.

print df [‘days’]将产生：

2014-05-15   230 days
2014-05-16   229 days
2014-05-19   226 days
2014-05-20   225 days
2014-05-21   224 days
2014-05-22   223 days
2014-05-23   222 days
2014-05-27   218 days
2014-05-28   217 days
2014-05-29   216 days
2014-05-30   215 days
2014-06-02   212 days
2014-06-03   211 days

如果yourindex不是DateTime格式,则在加载文件时使用pd.to_datetime进行转换或使用parse_dates = True.

点赞