python Pandas : detecting frequency of time series

Question

假设我已经从 SQL 或 CSV(不是在 Python 中创建)加载时间序列数据，索引将是:

DatetimeIndex(['2015-03-02 00:00:00', '2015-03-02 01:00:00',
               '2015-03-02 02:00:00', '2015-03-02 03:00:00',
               '2015-03-02 04:00:00', '2015-03-02 05:00:00',
               '2015-03-02 06:00:00', '2015-03-02 07:00:00',
               '2015-03-02 08:00:00', '2015-03-02 09:00:00', 
               ...
               '2015-07-19 14:00:00', '2015-07-19 15:00:00',
               '2015-07-19 16:00:00', '2015-07-19 17:00:00',
               '2015-07-19 18:00:00', '2015-07-19 19:00:00',
               '2015-07-19 20:00:00', '2015-07-19 21:00:00',
               '2015-07-19 22:00:00', '2015-07-19 23:00:00'],
              dtype='datetime64[ns]', name=u'hour', length=3360, freq=None, tz=None)

如您所见，freq 为 None。我想知道如何检测这个系列的频率并将 freq 设置为它的频率。如果可能的话，我希望这适用于不连续的数据(系列中有很多中断)。

我试图找到两个时间戳之间所有差异的模式，但我不确定如何将其转换为 Series 可读的格式

Answer 1

值得一提的是，如果数据是连续的，可以使用pandas.DateTimeIndex.inferred_freq属性:

dt_ix = pd.date_range('2015-03-02 00:00:00', '2015-07-19 23:00:00', freq='H')
dt_ix._set_freq(None)
dt_ix.inferred_freq
Out[2]: 'H'

或pandas.infer_freq方法:

pd.infer_freq(dt_ix)
Out[3]: 'H'

如果不是连续的 pandas.infer_freq 将返回 None。与已经提出的类似，另一种选择是使用 pandas.Series.diff方法:

split_ix = dt_ix.drop(pd.date_range('2015-05-01 00:00:00','2015-05-30 00:00:00', freq='1H'))
split_ix.to_series().diff().min()
Out[4]: Timedelta('0 days 01:00:00')