如何推断非连续Pandas TimeStamp序列的日/周/月度频率？

嘿，这个问题挺常见的——当日期序列存在缺失时，Pandas自带的freq属性确实会返回None，不过我们可以通过分析相邻日期的间隔模式，来推断它原本的频率。下面是具体的实操方法：

核心思路是：计算相邻日期的时间差，统计这些差值的分布特征，再结合日度、周度、月度的间隔规律来判断。

步骤1：计算相邻日期的间隔 #

首先确保时间序列是有序的（保险起见，哪怕你的序列已经排好序），然后用diff()方法计算相邻元素的时间差：

import pandas as pd

# 你的时间序列
times = pd.to_datetime(["2018-03-01", "2018-03-02", "2018-03-03", "2018-03-06", "2018-03-07", "2018-03-08", "2018-03-09", "2018-03-10", "2018-03-13", "2018-03-14", "2018-07-19", "2018-07-20", "2018-07-21", "2018-07-24", "2018-07-25", "2018-07-26", "2018-07-27", "2018-07-28", "2018-07-31", "2018-08-01"])
# 排序并计算间隔
times_sorted = times.sort_values()
diffs = times_sorted.diff().dropna()

步骤2：分析间隔的分布规律 #

把时间差转换成天数，统计不同天数的出现次数，就能看出主导间隔：

# 转换为天为单位
diff_days = diffs.dt.days
# 统计各间隔的出现次数
diff_counts = diff_days.value_counts()
print(diff_counts)

运行后你会得到类似这样的输出：

1     14
3      4
131    1
Name: days, dtype: int64

从结果能明显看出：1天的间隔占了绝大多数，3天的间隔是因为跳过了周末（比如3月3日到6日是周六到周二），131天是季度空档。这直接说明原序列的频率是日度。

针对周度/月度的判断逻辑 #

• 如果是周度序列：你会看到7天的间隔占比最高，偶尔会出现14天（跳过一周）这类情况
• 如果是月度序列：间隔会集中在28-31天区间（因为不同月份天数有差异），比如28、30、31天的间隔总和占比最高

进阶：封装成自动推断函数 #

你可以把上述逻辑做成复用函数，根据间隔占比自动判断：

def infer_date_frequency(date_series):
    date_series = date_series.sort_values()
    diffs = date_series.diff().dropna().dt.days
    diff_counts = diffs.value_counts(normalize=True)  # 用占比更直观
    
    # 日度判断：1天间隔占比超过70%（可根据数据调整阈值）
    if diff_counts.get(1, 0) > 0.7:
        return "日度（daily）"
    # 周度判断：7天间隔占比超过70%
    elif diff_counts.get(7, 0) > 0.7:
        return "周度（weekly）"
    # 月度判断：28-31天间隔总占比超过70%
    elif diff_counts[diff_counts.index.isin(range(28, 32))].sum() > 0.7:
        return "月度（monthly）"
    else:
        return "无法明确推断（混合频率或缺失过多）"

# 测试你的序列
print(infer_date_frequency(times))  # 输出：日度（daily）

内容的提问来源于stack exchange，提问作者Diogo Andrade