我很想知道时间索引是否包含漏洞。说我有以下系列
ss = pd.Series( nr.randn(3), index=[ '2014-01-01', '2014-01-02', '2014-01-03' ] )
ss.index = pd.to_datetime( ss.index )
ss
输出量
2014-01-01 0.976455
2014-01-02 -0.610322
2014-01-03 -0.631592
dtype: float64
我以为我可以做列表（
l[1:]-l[:-1]）ss.index[1:] - ss.index[:-1]
但是这是输出，我不明白
<class 'pandas.tseries.index.DatetimeIndex'>
[2014-01-03]
Length: 1, Freq: None, Timezone: None
我最终做了这个（有点难看）
tmp = pd.Series( ss.index[1:] ) - pd.Series( ss.index[:-1] )
(tmp[0] == tmp ).all()
所以我有两个问题：
ss.index[1:] - ss.index[:-1]在做什么？有没有更好的方法来做我在做的事情？
最佳答案
这是一个略有不同的方法。如果可以的话，将返回一个频率（例如，如果这些值每天间隔无孔，则返回其每天的频率）。 None否则。
In [14]: pd.infer_freq(Series(np.random.randn(3),index=['20140101','20140102','20140103']).index)
Out[14]: 'D'
In [15]: pd.infer_freq(Series(np.random.randn(3),index=['20140101','20140102','20140104']).index)
In [31]: pd.infer_freq(Series(np.random.randn(3),index=['20140101','20140201','20140301']).index)
Out[31]: 'MS'
关于python - 如何在 Pandas 时间索引中发现漏洞，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/23782771/