如何用 Pandas 快速生成时间序列数据?

在 Pandas 中快速生成时间序列数据可通过以下方法实现，核心是利用 pd.date_range 创建时间索引，并结合 DataFrame 构造数据。以下为具体步骤和示例：

• 功能：直接生成包含时间索引和随机数值的 DataFrame，支持自定义行数、列名及时间间隔。
• 代码示例：import pandas as pd# 生成 10 行、默认 4 列（A/B/C/D）的随机数据，时间索引为日频率df = pd.util.testing.makeTimeDataFrame(10)print(df.head())输出： A B C D2000-01-03 0.932776 -1.509302 0.285825 0.9417292000-01-04 0.565230 -1.598449 -0.786274 -0.2214762000-01-05 -0.152743 -0.392053 -0.127415 0.8419072000-01-06 1.321998 -0.927537 0.205666 -0.0411102000-01-07 0.324359 1.512743 0.553633 0.392068
• 参数说明：

  nper：行数（如 10）。

  freq：时间间隔（默认为 'B' 工作日，可选 'D' 日、'H' 小时等）。

  columns：自定义列名（如 columns=['A', 'B']）。

• 步骤：

  用 pd.date_range 生成时间索引。

  用 numpy.random 生成随机数据。

  组合为 DataFrame。

• 代码示例：import pandas as pdimport numpy as np# 生成时间索引（10 个小时频率的时间点）dates = pd.date_range(start='2000-01-01', periods=10, freq='H')# 生成随机数据（3 列，每列 10 个随机整数）data = np.random.randint(1, 1000, size=(10, 3))# 构造 DataFramedf = pd.DataFrame(data, index=dates, columns=['商品编码', '商品销量', '商品库存'])print(df.head())输出： 商品编码 商品销量 商品库存2000-01-01 00:00:00 99 264 982000-01-01 01:00:00 294 406 8272000-01-01 02:00:00 89 221 9312000-01-01 03:00:00 962 153 9562000-01-01 04:00:00 538 46 374
• 参数说明：

  pd.date_range 关键参数：

  start：起始时间（如 '2000-01-01'）。

  periods：时间点数量（如 10）。

  freq：频率（如 'D' 日、'M' 月、'T' 分钟）。

  numpy.random.randint：生成指定范围的随机整数。

• 功能：快速生成时间索引，适用于需单独控制索引的场景。
• 代码示例：import pandas as pdimport numpy as np# 生成 10 个小时频率的时间索引index = pd.util.testing.makeDateIndex(10, freq='H')# 生成数据并赋值索引data = np.random.rand(10, 2)df = pd.DataFrame(data, index=index, columns=['温度', '湿度'])print(df.head())输出： 温度 湿度2000-01-01 00:00:00 0.548814 0.7151892000-01-01 01:00:00 0.602763 0.5448832000-01-01 02:00:00 0.423655 0.6458942000-01-01 03:00:00 0.437587 0.8917732000-01-01 04:00:00 0.963663 0.383442

1. 频率配置：通过 freq 参数灵活调整时间间隔（如 'D'、'H'、'T'、'S'）。
2. 数据类型：可根据需求生成整数（np.random.randint）或浮点数（np.random.rand）。
3. 列名自定义：通过 columns 参数指定列名，增强可读性。

• 快速生成带随机数据的 DataFrame：优先用 pd.util.testing.makeTimeDataFrame。
• 需要完全控制数据构造：手动组合 pd.date_range 和 numpy.random。
• 仅需时间索引：使用 pd.util.testing.makeDateIndex。