4.7.1 时间序列生成与索引设置（问答库）

【单选题·易】pd.date_range() 的作用是？ A. 删除重复的日期记录 B. 快速生成规则的时间序列 C. 计算两个时间点之间的间隔 D. 对时间序列数据重采样 答案：B 解析： 语料明确：date_range() 可以快速生成规则的时间序列，例如按天、按月、按年递增。计算间隔属于 4.7.2 的 Timedelta，重采样属于 4.7.3 的 resample。
【单选题·易】课程中 date_range() 的 freq 参数取值 D、M、Y 分别表示？ A. 小时、分钟、秒 B. 天、月、年 C. 日、周、季度 D. 旬、月、年 答案：B 解析： 语料：freq 指定频率，D、M、Y 分别表示天、月、年。
【判断题·易】时间序列数据是指按时间顺序排列的数据，数据框常以时间作为行标签保存时间序列数据。 答案：√ 解析： 4.7 开篇定义：时间序列数据按时间顺序排列，通常用于金融市场、传感器、气象等；数据框常以时间作为行标签保存。
【判断题·易】date_range() 生成的对象是可迭代对象，可通过索引访问其中的元素，元素是 Timestamp 对象。 答案：√ 解析： 课程示例：dates[0] 得到 Timestamp('2024-01-31 00:00:00', freq='M')（对应按月生成时的第一个元素）。
【多选题·中】关于 pd.date_range() 的常用参数，下列说法正确的有： A. start 指定起始日期 B. periods 指定周期数 C. freq 指定频率 D. axis=1 表示按列生成时间序列 答案：ABC 解析： 课程给出三个参数：start、periods、freq。date_range() 没有用 axis 来生成日期序列，D 错误。
【单选题·中】执行下列代码后，日期序列的第一个和最后一个元素分别是哪一天？

import pandas as pd
dates = pd.date_range(start='2024-01-01', periods=10, freq='D')
print(dates[0])
print(dates[-1])

A. 2024-01-01 与 2024-01-09 B. 2024-01-01 与 2024-01-10 C. 2024-01-01 与 2024-10-01 D. 2024-01-31 与 2024-10-31 答案：B 解析： freq='D' 按天递增，periods=10 共 10 天，从 2024-01-01 到 2024-01-10。D 是 freq='M'（月末）的首尾日期。

【单选题·中】执行下列代码后，dates[0] 对应的日期是？

import pandas as pd
dates = pd.date_range(start='2024-01-01', periods=10, freq='ME')  # 课程写法：freq='M'
print(dates[0])

A. 2024-01-01（起始日当天） B. 2024-01-31（对齐到月末） C. 2024-10-31 D. 2024-02-01 答案：B 解析： 课程说明：freq='M' 生成按月序列，每个日期对齐到月末。从 2024-01-01 起第一个月末是 2024-01-31。较新版本 pandas 中 M 已改为 ME，结果相同。

【多选题·中】要把时间设置为数据框的行标签，课程给出的做法包括： A. 字符串日期列先用 pd.to_datetime() 转换，再用 set_index() 设为索引 B. 创建数据框时直接把 pd.date_range() 的结果作为 index C. 必须先对数据做 resample()，否则不能设时间索引 D. 可用 inplace=True 让 set_index() 直接改原数据框 答案：ABD 解析： 语料给出两种路径：已有字符串日期列则 to_datetime + set_index；也可创建时传入 date_range()。resample 属于 4.7.3，不是设索引的前提。课程示例使用了 inplace=True。
【判断题·中】执行 df.set_index('日期') 且不接收返回值、也不设 inplace=True 时，原数据框的行标签会立刻变成「日期」列。 答案：× 解析： set_index() 默认返回新数据框，不修改原对象。课程要改原对象时写 df.set_index('日期', inplace=True)，也可写成 df = df.set_index('日期')。
【单选题·难】执行下列代码后，关于 df.index 的说法正确的是？

import pandas as pd
from pandas import DataFrame
df = DataFrame({'日期': ['2024-8-1', '2024-8-2', '2024-8-3'],
                '数量': [81, 73, 62]})
df.set_index('日期', inplace=True)
print(type(df.index).__name__)

A. 已是 DatetimeIndex，因为列名叫做「日期」 B. 仍是普通 Index（字符串标签），因为没有先做 to_datetime C. 报错：字符串不能作为行标签 D. 自动变成按月的 PeriodIndex 答案：B 解析： 列名不会让 pandas 自动识别为时间。字符串日期必须先 pd.to_datetime()，set_index 后才会得到 DatetimeIndex。未转换时只是普通标签索引，后续按时间切片、重采样会受影响。

【简答题·中】请写出完整可运行代码：用 date_range() 生成从 2024-01-01 起共 10 天的日期序列，并取出第一个元素。再说明把 freq 改成按月时，第一个日期会变成什么、为什么。 答案：

import pandas as pd
dates = pd.date_range(start='2024-01-01', periods=10, freq='D')
print(dates[0])  # Timestamp('2024-01-01 00:00:00')

按月时课程写法为 freq='M'（较新版本用 freq='ME'），第一个日期是 2024-01-31，因为按月频率对齐到月末，而不是保留起始日的“日”部分。 解析： 评分要点：① 写出 start、periods=10、freq='D'；② 用索引取出 dates[0]；③ 说明按月对齐月末，首日为 2024-01-31。只写函数名不写参数，或把按月说成 2024-01-01，酌情扣分。

【简答题·难】结合下列两种写法，回答：（1）第一种为什么要先 to_datetime 再 set_index？（2）inplace=True 起什么作用？（3）第二种写法与第一种在结果上有何相同点？

import pandas as pd
from pandas import DataFrame

# 写法一：已有字符串日期列
date = ['2024-8-1', '2024-8-2', '2024-8-3', '2024-8-4', '2024-8-5',
        '2024-8-6', '2024-8-7', '2024-8-8', '2024-8-9', '2024-8-10']
num = [81, 73, 62, 50, 80, 99, 89, 54, 63, 78]
df1 = DataFrame({'日期': date, '数量': num})
df1['日期'] = pd.to_datetime(df1['日期'])
df1.set_index('日期', inplace=True)

# 写法二：创建时直接指定时间索引
dates = pd.date_range(start='2024-08-01', periods=10, freq='D')
df2 = pd.DataFrame(num, index=dates, columns=['数量'])
print(df1.head())
print(df2.head())

答案： （1）「日期」列最初是字符串，不是时间类型。先 to_datetime 才能得到真正的时间数据，再 set_index 才会形成 DatetimeIndex，便于按时间查询、切片。（2）inplace=True 在原数据框上把「日期」设为行标签；若不设且不赋值，原对象仍是整数行标签。（3）两种写法都能得到以时间为行标签、以「数量」为列的数据框，索引从 2024-08-01 到 2024-08-10。写法一来自已有字符串列的转换，写法二由 date_range() 直接生成规则索引。 解析： 评分要点：① 点明字符串必须转换，否则不是时间索引；② 说明 set_index 默认不改原对象；③ 指出两种途径都能把时间设为行标签，并对应课程的 8 月 1 日共 10 天示例。漏掉「未转换则不是 DatetimeIndex」或把两种写法说成必须同时使用，酌情扣分。

4.7.1-时间序列生成与索引设置.md

4.7.1 时间序列生成与索引设置（问答库）