pandas.date_range - 주기적인 날짜 데이터 생성하기

날짜 데이터의 간격이 규칙적이지 않은 경우를 다룰 때, 원하는 주기의 날짜 데이터를 생성하기 위해 pandas의 date_range 함수(메서드)를 활용할 수 있다. 이번 글에서는 date_range의 인자와 주기 설정에 따른 결과 차이에 대해 정리해보았다. 

---

1. pandas.date_range()

Return a fixed frequency datetimeIndex

pandas.date_range( 
    start=None,
    end=None,
    periods=None,
    freq=None,
    tz=None,
    normalize=False, 
    name=None,
    closed=None, )

• start / end: 날짜를 생성하기 위한 시작과 끝 값 (string or datetime 형식)
• periods: 생성하려는 날짜의 개수
• freq: 생성하려는 날짜들의 간격(주기), 기본값='D' (string or DateOffset 형식)

→ start, end, periods, freq 중 세 개의 파라미터만 지정할 수 있으며, 나머지는 암묵적으로 결정이 된다. 해당 설명은 아래에서 자세히 다루겠다.

 

•  tz: 타임존 이름 (string or tzinfo 형식)
• normalize: 시작/끝 날짜를 자정으로 설정, 기본값=False
• name: 결과 datetimeIndex에 대한 이름 지정
• closed: 시작과 끝 날짜로 지정한 값을 포함할지 제외할지에 대한 옵션, 기본값=None으로 양쪽 경계값을 포함한다는 의미 {None, 'left', 'right'}

 

2. 사용 예시 및 결과

2.1. start, end, periods

(1) start, end 값만 지정한 경우

pd.date_range(start="2022-01-01", end="2022-01-10")

2022년 1월 1일 (start)과 2022년 1월 10일 (end)을 포함한 날짜 인덱스가 1일 간격으로 생성됨

(freq 기본값이 'D'로 설정되어있기 때문)

 

(2) start, end, periods 값을 지정한 경우

pd.date_range(start="2022-01-01", end="2022-01-10", periods=4)

지정한 날짜 구간을 3등분(4-1)하여 시작과 마지막 날짜를 포함한 4개의 날짜 인덱스를 생성함

 

pd.date_range(start="2022-01-01", end="2022-01-10", periods=5)

지정한 날짜 구간을 4등분(5-1)하여 시작과 마지막 날짜를 포함한 5개의 날짜 인덱스를 생성함

2일 6시간 간격으로 시간 단위로 균등하게 나뉜 것을 확인할 수 있음

 

 

2.2. freq

(1) start, end, freq 값을 지정한 경우

pd.date_range(start="2022-01-01", end="2022-12-31", freq="M")

지정한 날짜 구간에 대해 1달 주기로 날짜 인덱스를 생성함

freq="M"은 월의 마지막 날짜로 데이터를 생성함

 

pd.date_range(start="2022-01-01", end="2022-12-31", freq="3M")

"3M"과 같이 주기를 나타내는 문자 앞에 숫자를 붙여 3달 간격과 같이 원하는 주기를 설정할 수 있음

또한, 2.1의 예시와 다르게 주기를 설정하는 경우 시작일과 마지막일을 정확하게 포함하지 않고,

날짜 구간을 벗어나지 않는 선에서 해당 주기 간격으로 날짜 인덱스를 생성함

 

(2) start, periods, freq 값을 지정한 경우

pd.date_range(start="2022-01-01", periods=3, freq="M")

시작일로부터 1달 간격으로 3개의 날짜 인덱스가 생성된 것을 확인할 수 있음

 

(3) freq - Offset aliases (오프셋 별칭)

 

주기에 활용할 수 있는 별칭은 여기를 참고하면 되고, 이것에 대한 정리는 별도의 글에서 다룰 예정이다.

 

 

2.3. normalize

pd.date_range(start="2022-01-01 12:00:00", end="2022-01-10 12:00:00", periods=5, normalize=False)
pd.date_range(start="2022-01-01 12:00:00", end="2022-01-10 12:00:00", periods=5, normalize=True)

normalize=False (좌), normalize=True (우)

자주 쓰는 기능은 아니지만, 해당 인자의 역할을 알아보기 위해 True/False 출력을 비교해 본 결과, 

start/end 값에 특정 시간이 추가된 경우 해당 시간을 무시하고 입력 값 이전의 0시 기준으로 값을 반환함

따라서, start/end에 날짜만 입력한 경우에는 해당 옵션으로 인한 결과의 차이가 없음

 

2.4. closed

pd.date_range(start="2022-01-01", end="2022-01-10", closed="right")
pd.date_range(start="2022-01-01", end="2022-01-10", closed="left")

closed="right" (좌), closed="left" (우)

왼쪽과 오른쪽 결과를 비교해보면 closed 옵션을 right로 지정한 경우 마지막 값은 포함, 시작 값은 제외하였고, left로 지정한 경우에는 시작 값은 포함, 마지막 값은 제외한 날짜 인덱스를 생성하였음

---

 

이번 글에서는 규칙적인 날짜 데이터(인덱스)를 생성하기 위한 메서드 date_range에 대해 정리해보았다. 해당 메서드를 활용하면 원하는 기간에 대해 원하는 주기 또는 개수 만큼 날짜 데이터를 생성할 수 있다. 각 인자들의 역할을 이해하여 원하는 날짜 데이터를 생성하는 데 도움이 되면 좋겠다:-)

 

3. 참고

[1] https://pandas.pydata.org/docs/reference/api/pandas.date_range.html

[2] https://pandas.pydata.org/docs/user_guide/timeseries.html#timeseries-offset-aliases