Pandas对DatetimeIndex执行shift(freq='W')后freq显示None的问题求助

问题复现 #

执行以下代码后，得到的DatetimeIndex的freq属性显示为None：

import pandas as pd
df= pd.date_range('2023-04-01', '2023-05-01')
frequency = df.shift(freq='W')
print(frequency)

输出结果：

DatetimeIndex(['2023-04-02', '2023-04-09', '2023-04-09', '2023-04-09',
               '2023-04-09', '2023-04-09', '2023-04-09', '2023-04-09',
               '2023-04-16', '2023-04-16', '2023-04-16', '2023-04-16',
               '2023-04-16', '2023-04-16', '2023-04-16', '2023-04-23',
               '2023-04-23', '2023-04-23', '2023-04-23', '2023-04-23',
               '2023-04-23', '2023-04-23', '2023-04-30', '2023-04-30',
               '2023-04-30', '2023-04-30', '2023-04-30', '2023-04-30',
               '2023-04-30', '2023-05-07', '2023-05-07'],
              dtype='datetime64[ns]', freq=None)

原因分析 #

1. 偏移后结果间隔不均：shift(freq='W')会将每个日期偏移到最近的周日（默认W代表周日结束的周），原DatetimeIndex是每日连续的，偏移后大量日期会映射到同一个周日，导致结果的时间间隔完全不均匀（比如从2023-04-02到2023-04-09间隔7天，而2023-04-09连续出现7次，间隔为0）。Pandas无法为间隔不均的DatetimeIndex自动推断出有效的freq属性，因此会设置为None。
2. 版本特性限制：在Pandas 1.4.2中，shift方法处理此类非均匀偏移结果时，不会尝试保留原频率或自动设置新频率，这是该版本的既定行为。

快速修复与替代方案 #

方案1：直接生成每周频率的DatetimeIndex（推荐） #

如果你的需求是获取指定时间范围内的每周日期，无需对每日索引做偏移，直接用pd.date_range指定freq='W'即可，这样生成的索引会自动保留freq属性：

import pandas as pd
# 生成2023-04-01至2023-05-01之间的每周日期（默认周日）
weekly_index = pd.date_range('2023-04-01', '2023-05-01', freq='W')
print(weekly_index)

输出示例：

DatetimeIndex(['2023-04-02', '2023-04-09', '2023-04-16', '2023-04-23',
               '2023-04-30'],
              dtype='datetime64[ns]', freq='W-SUN')

方案2：将每日日期映射为周周期（如需保留原日期的周归属） #

如果需要将每个日期映射到对应的周结束日，同时希望保留周相关的周期信息，可以使用dt.to_period转换为周周期类型，再按需转回DatetimeIndex：

import pandas as pd
df = pd.date_range('2023-04-01', '2023-05-01')
# 转换为周周期类型
weekly_periods = df.to_period('W')
print(weekly_periods)
# 转回DatetimeIndex（取周结束日）
weekly_dates = weekly_periods.to_timestamp()
print(weekly_dates)
# 如需去重得到唯一的每周日期，可使用unique()
unique_weekly_dates = pd.DatetimeIndex(weekly_dates.unique())
# 手动设置freq（仅当去重后间隔均匀时有效）
unique_weekly_dates.freq = 'W-SUN'
print(unique_weekly_dates)

方案3：手动设置freq（不推荐，仅适用于间隔均匀的结果） #

如果确认偏移后的结果是间隔均匀的（此场景下不适用，仅作示例），可以手动设置freq属性：

frequency = df.shift(freq='W')
# 仅当结果间隔严格为每周时才建议这么做，当前场景下不适用
frequency.freq = pd.DateOffset(weeks=1)

注意：当前问题中偏移结果间隔不均，手动设置freq会导致属性与实际数据不符，容易引发后续错误，因此不推荐。

内容的提问来源于stack exchange，提问作者Bhargav