高/非规整频率DatetimeIndex构建：如何保留有效freq属性？

嘿，这个高频时间序列的坑我之前踩过！确实，pandas对规整的低频时间序列很友好，但碰到300Hz这种带无限小数步长的情况，用固定纳秒频率就容易出累积误差，而且自定义生成的索引还丢了freq属性，好多pandas功能用不了，太闹心了。下面给你几个实用的解决方案：

一、用有理频率字符串直接生成无误差且带有效freq的DatetimeIndex #

pandas其实支持有理分数形式的频率定义，刚好能解决1/300秒这种无限小数步长的问题。不用硬凑纳秒数，直接写freq='1S/300'就可以了，它会精确计算每个时间点，完全避免累积误差，而且生成的DatetimeIndex会自带有效freq属性：

import pandas as pd

# 生成300Hz、1秒的时间序列，start可以是任意datetime，这里用epoch时间0示例
dt_index = pd.date_range(start=pd.Timestamp(0), periods=300, freq='1S/300')

# 检查最后一个时间点是否正确：应该是0 + 299*(1/300)秒 = 0.996666666...秒
print(dt_index[-1])  # 输出 Timestamp('1970-01-01 00:00:00.996666666')，完全符合预期
print(dt_index.freq) # 输出 <3333333333ns * 1/300>，是有效的频率对象

这样生成的索引不仅没有累积误差，还能正常使用to_period()这类需要freq的功能。

二、自定义'300Hz'频率别名，让代码更直观 #

如果觉得'1S/300'不够直观，想直接用'300Hz'作为freq别名，可以通过pandas的register_freq函数来注册自定义频率：

from pandas.tseries.frequencies import register_freq, to_offset

# 注册'300Hz'对应1秒300次的频率
register_freq('300Hz', to_offset('1S/300'))

# 现在可以直接用freq='300Hz'了
dt_index = pd.date_range(start=pd.Timestamp(0), periods=300, freq='300Hz')
print(dt_index.freq) # 输出 <3333333333ns * 1/300>，同样有效

这样后续写代码的时候就可以直接用'300Hz'，可读性更高。

三、给已有无freq的DatetimeIndex补全有效freq #

如果已经有了用自定义函数生成的无freq的DatetimeIndex，也可以通过转成PeriodIndex再转回DatetimeIndex的方式补全freq属性：

# 假设这是你用date_range_fs生成的无freq索引
your_dt_index = pd.date_range(start=pd.Timestamp(0), periods=300, freq=None)

# 转成PeriodIndex再转回DatetimeIndex，指定正确的频率
fixed_dt_index = pd.PeriodIndex(your_dt_index, freq='1S/300').to_timestamp()
print(fixed_dt_index.freq) # 现在freq属性就有效了

为什么之前的方法会出问题？ #

你之前用freq='3333333ns'，本质是把无限小数的步长近似成了整数纳秒，每次循环都会少加约0.333ns，300次累积下来就会偏离预期值。而有理频率是基于分数计算的，pandas会精确处理每个时间点的增量，不会有累积误差。

内容的提问来源于stack exchange，提问作者Tabs