在进行宏观数据和中观数据研究分析分的时候,经常会用到同比的概念。宏观数据一般都是月度的,所以一般一二月份由于春节效应,会合起来考虑;但是中观数据的频率有时候会比较高,比如周度或者旬度的数据。
这些数据更多的时候,我们希望看到的是一个同比的情况,而且是农历同比,比如钢铁的库存、水泥的产量、建材的成交量等等,所以就涉及计算去年同比的一个问题了。下面的代码就是在当前的有数据的时间列表中,找到去年同比最近的一天,可以是农历也可以是公历。
import sxtwl
def find_previous_day(current_date, date_list, lunna=True):
# 用于寻找前一年与当前时间点最接近的日期,公历或者农历都可以
cur_date = pd.to_datetime(current_date)
if lunna: # 农历同比
lunar = sxtwl.Lunar()
_lunnar_new_year = DayByLunar(ar, 01, 01, False)
lunnar_new_year = pd.to_datetime('%s-%s-%s' % (_lunnar_new_year.y, _lunnar_new_year.m, _lunnar_new_year.d))
if lunnar_new_year > cur_date:
# 当前不是农历新年后的时间
_lunnar_new_year = DayByLunar(ar - 1, 01, 01, False)
lunnar_new_year = pd.to_datetime('%s-%s-%s' % (_lunnar_new_year.y, _lunnar_new_year.m, _lunnar_new_year.d))
_lunnar_last_new_year = DayByLunar(lunnar_ar - 1, 01, 01, False)
lunnar_last_new_year = pd.to_datetime('%s-%s-%s' % (_lunnar_last_new_year.y, _lunnar_last_new_year.m, _lunnar_last_new_year.d))
most_recent_date = lunnar_last_new_year + (cur_date - lunnar_new_year)
return date_list[np.array([abs((date - most_recent_date).days) for date _datetime(date_list)]).argmin()]
else:
return date_list[np.array([abs((date - cur_date).days + 365) for date _datetime(date_list)]).argmin()]
current_date就是希望寻找去年同期的当前时间点,而date_list则是全历史的可选日期,也就是,我们会找一个最近的同比日期。lunna就是是否是农历的flag了。
本文同步分享在 博客“钱塘小甲子”(CSDN)。
如有侵权,请联系 support@oschina 删除。
本文参与“OSC源创计划”,欢迎正在阅读的你也加入,一起分享。
本文发布于:2024-02-01 12:16:23,感谢您对本站的认可!
本文链接:https://www.4u4v.net/it/170676098536530.html
版权声明:本站内容均来自互联网,仅供演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,我们将在24小时内删除。
留言与评论(共有 0 条评论) |