pandas.tseries.offsets.CustomBusinessDay#

класс pandas.tseries.offsets.CustomBusinessDay#

Подкласс DateOffset, представляющий возможно n пользовательских рабочих дней.

В CustomBusinessDay мы можем использовать пользовательскую маску недели, праздники и календарь.

Параметры:

nint, по умолчанию 1: Количество представленных дней.
нормализоватьbool, по умолчанию False: Нормализовать начальные/конечные даты до полуночи перед генерацией диапазона дат.
weekmaskstr, по умолчанию ‘Mon Tue Wed Thu Fri’: Маска рабочих дней недели, передаваемая в numpy.busdaycalendar.
праздникиlist: Список/массив дат для исключения из набора рабочих дней, передается в numpy.busdaycalendar.
календарьnp.busdaycalendar: Календарь для интеграции.
смещениеtimedelta, по умолчанию timedelta(0): Смещение времени для применения.

Примеры

В примере ниже параметры по умолчанию дают следующий рабочий день.

>>> ts = pd.Timestamp(2022, 8, 5, 16)
>>> ts + pd.offsets.CustomBusinessDay()
Timestamp('2022-08-08 16:00:00')

Рабочие дни могут быть указаны с помощью weekmask параметр. Чтобы преобразовать возвращаемый объект datetime в его строковое представление, в следующем примере используется функция strftime().

>>> import datetime as dt
>>> freq = pd.offsets.CustomBusinessDay(weekmask="Mon Wed Fri")
>>> pd.date_range(dt.datetime(2022, 12, 10), dt.datetime(2022, 12, 21),
...               freq=freq).strftime('%a %d %b %Y %H:%M')
Index(['Mon 12 Dec 2022 00:00', 'Wed 14 Dec 2022 00:00',
       'Fri 16 Dec 2022 00:00', 'Mon 19 Dec 2022 00:00',
       'Wed 21 Dec 2022 00:00'],
       dtype='object')

Используя календарь рабочих дней NumPy, вы можете определить пользовательские праздники.

>>> import datetime as dt
>>> bdc = np.busdaycalendar(holidays=['2022-12-12', '2022-12-14'])
>>> freq = pd.offsets.CustomBusinessDay(calendar=bdc)
>>> pd.date_range(dt.datetime(2022, 12, 10), dt.datetime(2022, 12, 25), freq=freq)
DatetimeIndex(['2022-12-13', '2022-12-15', '2022-12-16', '2022-12-19',
               '2022-12-20', '2022-12-21', '2022-12-22', '2022-12-23'],
               dtype='datetime64[ns]', freq='C')

Если вы хотите сдвинуть результат на n дней, вы можете использовать параметр offset.

>>> pd.Timestamp(2022, 8, 5, 16) + pd.offsets.CustomBusinessDay(1)
Timestamp('2022-08-08 16:00:00')

>>> import datetime as dt
>>> ts = pd.Timestamp(2022, 8, 5, 16)
>>> ts + pd.offsets.CustomBusinessDay(1, offset=dt.timedelta(days=1))
Timestamp('2022-08-09 16:00:00')

Атрибуты

`base`	Возвращает копию вызывающего объекта смещения с n=1 и всеми остальными атрибутами равными.
`calendar`
`freqstr`	Возвращает строку, представляющую частоту.
`holidays`
`kwds`	Возвращает словарь дополнительных параметров для смещения.
`n`
`name`	Возвращает строку, представляющую базовую частоту.
`nanos`
`normalize`
`offset`	Псевдоним для self._offset.
`rule_code`
`weekmask`

Методы

`copy`()	Возвращает копию частоты.
`is_anchored`()	(УСТАРЕЛО) Возвращает логическое значение, является ли частота единичной (n=1).
`is_month_end`(ts)	Возвращает булево значение, указывающее, приходится ли метка времени на конец месяца.
`is_month_start`(ts)	Возвращает логическое значение, происходит ли метка времени в начале месяца.
`is_on_offset`(dt)	Возвращает логическое значение, пересекается ли метка времени с этой частотой.
`is_quarter_end`(ts)	Возвращает булево значение, указывающее, приходится ли метка времени на конец квартала.
`is_quarter_start`(ts)	Возвращает булево значение, указывающее, приходится ли временная метка на начало квартала.
`is_year_end`(ts)	Возвращает логическое значение, указывающее, приходится ли метка времени на конец года.
`is_year_start`(ts)	Возвращает булево значение, указывающее, приходится ли временная метка на начало года.
`rollback`(dt)	Переместить предоставленную дату назад к следующему смещению только если она не на смещении.
`rollforward`(dt)	Переместить указанную дату вперед к следующему смещению только если она не на смещении.