如何高效识别Python DataFrame中时间序列的粒度？

问题背景 #

我用Python 3从Excel导入了多个时间序列DataFrame，这些序列的粒度不一，覆盖小时、日、月、年四个级别。单个文件内粒度统一，但不同文件间有差异，还可能存在缺失时间戳——比如夏令时导致的可预见缺失，或是气象数据采集故障引发的随机缺失。现在需要写一个高效函数来识别每个序列的粒度，已知第一列始终是datetime类型：

• 小时级：时间步长如2022-11-11 01:00到2022-11-11 02:00
• 年级：时间步长如2022-01-01 00:00到2023-01-01 00:00

我原本想计算datetime序列和滞后序列的差值，再取全时段平均值推断粒度，但这个方法效率太低。想知道datetime包有没有内置函数，或者有没有更可靠高效的实现方式。

补充：有日级和小时级粒度的DataFrame示例。

高效实现方案 #

核心思路：用众数替代平均值 #

因为缺失值会干扰平均值的准确性，而众数能反映序列最普遍的时间间隔，更适合判断真实粒度。结合pandas的时间序列处理能力就能高效实现，不需要依赖datetime包的额外内置函数。

代码实现 #

import pandas as pd
from datetime import timedelta

def detect_time_granularity(df):
    # 提取第一列的datetime序列
    dt_col = df.iloc[:, 0]
    # 计算相邻时间差，剔除空值
    time_diffs = dt_col.diff().dropna()
    # 获取出现频率最高的时间间隔
    most_freq_diff = time_diffs.mode()[0]
    
    # 映射标准粒度
    standard_intervals = {
        timedelta(hours=1): "小时级",
        timedelta(days=1): "日级"
    }
    
    if most_freq_diff in standard_intervals:
        return standard_intervals[most_freq_diff]
    else:
        # 针对月/年的精确判断（避免月份天数差异干扰）
        month_num = dt_col.dt.year * 12 + dt_col.dt.month
        most_freq_month_diff = month_num.diff().mode()[0]
        if most_freq_month_diff == 1:
            return "月级"
        elif most_freq_month_diff == 12:
            return "年级"
        else:
            return f"未知粒度，最常见间隔：{most_freq_diff}"

方案优势 #

1. 效率高：只做一次差值计算和众数统计，时间复杂度O(n)，比全量平均计算快得多
2. 更可靠：众数不受少量缺失值或异常间隔影响，能准确捕捉序列的真实粒度
3. 精准处理月/年：通过年份+月份的数值差判断，避开了不同月份天数不同的问题，不会误判月级序列

内容的提问来源于stack exchange，提问作者Dattel Klauber