我处理各种数据集（面板数据），并且需要以编程方式检测我是否有每日，每月，每季度或只有每年的数据。所有数据集都有一个日期时间格式的日期列（例如，年度数据仅具有年末日期31-12-2017、31-12-2018等；每日数据可能看起来像02-02-2018、03-05-2018 ，2018年11月11日等，时间间隔各不相同。
对于年度数据，我希望日期间隔为1年，对于季度数据为3个月，对于月度数据为1个月，而每日数据在一个月内应至少有2个日期。
Pandas是否有办法检测数据集中可用的日期间隔？
fgtfer 回答：检测数据帧中的可用时间段
检查您的DataFrame是否包含例如每日数据（根据 您的标准），则可以采用以下方法：
作为源数据帧，我采取了以下措施：
Value
Date
2019-01-10 20
2019-01-15 12
2019-01-22 10
2019-02-08 11
2019-02-22 13
2019-03-11 17
2019-03-24 22
2019-05-07 14
Date 是索引，并且是 datetime 类型。
所以有：
- 3 一月份的读数，
- 2 2月和3月的读数，
- 否 4月份的读数，
- 1 5月阅读。
要查看每个月有多少读数，请按月运行重新采样 然后（每个月） count ：
df.Value.resample('MS').count()
在上面的代码中， MS 表示月份开始。
对于我的数据，结果是：
Date
2019-01-01 3
2019-02-01 2
2019-03-01 2
2019-04-01 0
2019-05-01 1
Freq: MS,Name: Value,dtype: int64
并执行一次检查您是否至少有2个读数 每个月运行：
df.Value.resample('MS').count().ge(2).all()
对于我的数据，结果为 False ，因为4月份没有数据，只有1个读数 五月。
对于其他时期，采取类似的方法，以不同的频率重采样 以及每个时期想要多少读数的标准。