我想要一个25小时偏移的熊猫周期范围,我看到有两种方法可以做到这一点(参见here):
第一种方法是使用freq=25H,我试过了,并给了我正确的答案:

import pandas as pd
pd.period_range(start='2016-01-01 10:00', freq = '25H', periods = 10)

结果是
PeriodIndex(['2016-01-01 10:00', '2016-01-02 11:00', '2016-01-03 12:00',
             '2016-01-04 13:00', '2016-01-05 14:00', '2016-01-06 15:00',
             '2016-01-07 16:00', '2016-01-08 17:00', '2016-01-09 18:00',
             '2016-01-10 19:00'],
            dtype='int64', freq='25H')

然而,使用freq=1D1H的第二种方法给了我一个相当奇怪的结果:
pd.period_range(start='2016-01-01 10:00', freq = '1D1H', periods = 10)

我得到了
 PeriodIndex(['1971-12-02 01:00', '1971-12-02 02:00', '1971-12-02 03:00',
              '1971-12-02 04:00', '1971-12-02 05:00', '1971-12-02 06:00',
              '1971-12-02 07:00', '1971-12-02 08:00', '1971-12-02 09:00',
              '1971-12-02 10:00'],
            dtype='int64', freq='25H')

所以,也许1D1H不是指定频率的有效方法?1971是怎么出现的?(我还尝试使用1D1H作为date_range()方法的频率,这确实得到了正确的答案。)
pd.date_range('2016-01-01 10:00', freq = '1D1H', periods = 10)
DatetimeIndex(['2016-01-01 10:00:00', '2016-01-02 11:00:00',
               '2016-01-03 12:00:00', '2016-01-04 13:00:00',
               '2016-01-05 14:00:00', '2016-01-06 15:00:00',
               '2016-01-07 16:00:00', '2016-01-08 17:00:00',
               '2016-01-09 18:00:00', '2016-01-10 19:00:00'],
              dtype='datetime64[ns]', freq='25H')

编辑:似乎有了period_range(),尽管freq=1D1H不起作用,freq=1H1D起作用。原因还不清楚。
edit2:这已经被识别为一个bug,请参阅下面的答案。

最佳答案

该错误已经被识别并且reported on GitHub
编辑:A fix已合并并将包含在v0.19中。

08-25 03:17