pandas连续datetime索引差值nan成因及间隔值可靠提取方法

nan来源说明 #

pandas的diff()方法的逻辑是逐行计算当前元素与前一个元素的差值，第一个元素没有对应的前序元素，所以第一个差值固定为nan，这就是你得到的唯一值数组第一个元素为nan的原因。

直接取delta[1]的可靠性分析 #

这种方式不可靠，存在多个风险点：

• 当索引长度<=1时，diff()结果全为nan，去重后的数组只有[nan]，取下标1会直接触发索引越界报错
• 当索引不是严格等间隔时，去重后的数组除了nan外会存在多个不同的间隔值，取delta[1]只能拿到第一个出现的间隔，无法识别间隔不统一的异常，也没法拿到全部间隔值
• 硬编码下标取值的逻辑健壮性极差，只要前置逻辑有变动（比如后续调整了数据处理顺序，或者pandas版本迭代对unique()返回顺序做了调整），很容易出现非预期错误

推荐写法 #

过滤掉nan之后再取值即可，同时可以增加长度判断覆盖异常场景：

import pandas
d = pandas.DataFrame({"a": [x for x in range(5)]})
d.index = pandas.date_range("2021-01-01 00:00:00", "2021-01-01 01:00:00", freq="15min")

# 去掉nan后再去重
delta = d.index.to_series().diff().astype("timedelta64[m]").dropna().unique()

if len(delta) == 1:
    # 固定间隔场景
    interval = delta[0]
    print(interval) # 输出15.0
else:
    # 间隔不统一的异常处理逻辑
    print("索引间隔不唯一", delta)

内容的提问来源于stack exchange，提问作者d.b