DatetimeIndex 与基于时间的索引

日期不是字符串

价格序列是时间序列：重要的是每个价格发生在何时。从文件读出的日期只是普通字符串，字符串并不知道三月在二月之后，也不知道星期一跟在星期日后面。用 pd.to_datetime 转换并把结果作为索引：DatetimeIndex 保存真正的时间戳，pandas 可以对其排序、切片、比较和拆解。务必对它排序（sort_index()），让最早的观测排在最前。

import pandas as pd

raw_dates = ["2026-03-04", "2026-03-02", "2026-03-03"]      # strings, in a messy order
closes = [102.0, 100.0, 101.0]

series = pd.Series(closes, index=pd.to_datetime(raw_dates), name="close").sort_index()
print(series)
# 2026-03-02    100.0
# 2026-03-03    101.0
# 2026-03-04    102.0
# Name: close, dtype: float64

print(isinstance(series.index, pd.DatetimeIndex))   # True

生成日历

你常常需要没人提供的日期：用来对比的网格，或回测的各个交易日。pd.date_range(start, periods=n, freq="D") 生成 n 个连续的自然日，pd.bdate_range 跳过周末，给出工作日（它不了解节假日）。freq 参数决定步长："D" 是一天，"B" 是一个工作日，"h" 是一小时。

# Four calendar days, then six business days (the weekend is skipped)
print(pd.date_range("2026-03-01", periods=4, freq="D").strftime("%a %d %b").tolist())
# ['Sun 01 Mar', 'Mon 02 Mar', 'Tue 03 Mar', 'Wed 04 Mar']

days = pd.bdate_range("2026-02-26", periods=6)
print(days.strftime("%a %d %b").tolist())
# ['Thu 26 Feb', 'Fri 27 Feb', 'Mon 02 Mar', 'Tue 03 Mar', 'Wed 04 Mar', 'Thu 05 Mar']

按日期选择

对已排序的 DatetimeIndex，.loc 能理解字符串写成的日期。部分字符串如 "2026-03" 选出整个月，"2026" 选出整年，"2026-03-04" 选出某一天。切片 .loc["2026-03-04":"2026-03-06"] 选出一个范围，并且与按位置切片不同，两端都包含。端点不必出现在数据中：周末的日期只是匹配不到任何行，这正是你说「从月初起的全部」时想要的效果。

prices = pd.Series(
    [float(i) for i in range(20)],
    index=pd.bdate_range("2026-02-23", periods=20),   # Mon 23 Feb ... Fri 20 Mar
)

print(len(prices.loc["2026-03"]))      # 15   the business days of March in the data
print(prices.loc["2026-03-04"])        # 7.0  a single day

print(prices.loc["2026-03-04":"2026-03-06"])
# 2026-03-04    7.0
# 2026-03-05    8.0
# 2026-03-06    9.0
# Freq: B, dtype: float64

print(prices.loc["2026-03-01":"2026-03-03"].tolist())   # [5.0, 6.0]   Sunday the 1st matches nothing

日期的组成部分

DatetimeIndex 把每个日期的组成部分作为属性提供：year、month、day、dayofweek（星期一是 0，星期日是 6）。每个属性都是每行一个值的数组，可以当作掩码或分组键。这样就能不用循环地问「每个星期几各有多少观测？」或「星期一会发生什么？」。记得先对索引排序：对乱序的 DatetimeIndex 切片可能得到出人意料的结果，甚至报错。

# The parts of the dates, one entry per row
print(prices.index.dayofweek[:7].tolist())   # [0, 1, 2, 3, 4, 0, 1]   Monday is 0
print(prices.index.month[:7].tolist())       # [2, 2, 2, 2, 2, 3, 3]

# How many observations fall on each weekday?
print(prices.groupby(prices.index.dayofweek).size().to_dict())   # {0: 4, 1: 4, 2: 4, 3: 4, 4: 4}

# What do the Mondays look like?
print(prices[prices.index.dayofweek == 0].tolist())   # [0.0, 5.0, 10.0, 15.0]

• pd.to_datetime(字符串) 生成 DatetimeIndex；sort_index() 让最早的在前；date_range 与 bdate_range 生成日历。
• .loc["2026-03"] 选出一个月，.loc["2026-03-04":"2026-03-06"] 选出包含两端的范围。
• index.year、index.month、index.dayofweek 给出每个日期的组成部分，无需循环即可筛选或分组。

下一节：重采样，把日度价格转换成周度、月度甚至更细的K线。

实验：评分内容

• 用 parse_prices 构建带日期的价格序列25 分
• 用 prices_in_month 选出一个月的数据25 分
• 用 prices_between 选出一段日期范围25 分
• 用 count_by_weekday 统计每个星期几的观测数25 分