python - 使用 Python/Pandas 索引日期作为假期列表中的条件

Question

我正在打开一个包含两列和大约 10,000 行的 CSV 文件。第一列有一个唯一的日期和时间戳(以 30 分钟间隔升序，称为“date_time”)，第二列有一个整数“intnum”。我使用 date_time 列作为索引，然后使用条件仅对属于特定日期范围的整数求和。所有条件都完美运行，除了最后一个条件是基于将这些日期与 USFederalHolidayCalendar 相匹配。

问题在于，索引日期(例如“2015-02-16 12:30:00.00000”)比假日列表日期(例如“2015-02-16”，总统日)更复杂。因此，当我针对假期列表运行“isin”函数时，它找不到与全天关联的所有整数，因为“2015-02-16 12:30:00.00000”不等于“2015-02-” 16'，尽管事实上是同一天。

代码片段:

import numpy as np
import pandas as pd
from pandas.tseries.holiday import USFederalHolidayCalendar, get_calendar 

newcal = get_calendar('USFederalHolidayCalendar')
holidays = newcal.holidays(start='2010-01-01', end='2016-12-31')

filename = "/Users/Me/Desktop/test.csv"

int_array = pd.read_csv(filename, header=0, parse_dates=['date_time'], index_col='date_time')

intnum_total = int(int_array['intnum'][(int_array.index.month >= 2) & 
   (int_array.index.month <= 3) & (int_array.index.hour >= 12) & 
   (int_array.index.isin(holidays) == TRUE)].sum()

print intnum_total

现在，我没有收到任何错误，因此语法和函数“正常”工作，但我知道假期匹配不起作用。

有什么想法吗？

提前感谢 - 这是我的第一篇文章，所以希望格式和问题是清楚的。

Answer 1

这里有一些想法......

假设您有 2016 年假期列表:

cal = USFederalHolidayCalendar()
holidays = cal.holidays(start='2016-01-01', end='2016-12-31')
print holidays.size

其产量:

10

因此，根据 USFederalHolidayCalendar，2016 年有 10 个假期。

您还有 DateTimeIndex，假设它涵盖 2015 年和 2016 年:

idx = pd.DatetimeIndex(pd.date_range(start='2015-1-1', 
                                     end='2016-12-31', freq='30min'))
print idx.size

其中显示:

35041

现在，如果我想查看基于 30 分钟的 idx 中有多少节假日，我会采用 DateTimeIndex 的 date 部分并将其与假期的日期部分进行比较:

idx[pd.DatetimeIndex(idx.date).isin(holidays.date)].size

这会给我:

480

即10 个假期 * 24 小时 * 每小时 2 个半小时。这听起来正确吗？

注意，当您执行 index.isin(other_index) 时，您会返回一个足以用于索引的 boolean 数组，并且您不需要不需要进行额外的比较 index.isin(other_index) == True