pd.date_range()是生成连续日期最直接高效的方法，支持时区、工作日、频率控制及节假日处理，需注意字符串格式、inclusive、normalize和holidays等参数细节。
用 pd.date_range() 生成连续日期最直接
不需要手动循环或拼接字符串，pd.date_range() 是 Pandas 专为时间序列设计的工厂函数，底层调用 datetime64[ns]，精度高、速度快、时区友好。
常见错误是传入字符串格式不统一（比如 "2023-1-1" 缺零导致解析失败），或忽略 freq 默认值（默认是 'D'，但显式写出来更安全）。
- 起止日期推荐用
datetime.date、datetime.datetime或标准 ISO 字符串（如"2023-01-01"） - 要生成工作日用
freq='B'，每小时用freq='H'，不能混用中文单位（如"天"） - 若需包含结束日期，确认
inclusive='both'（Pandas ≥ 1.4.0），旧版本默认不含end
import pandas as pd dates = pd.date_range(start="2023-01-01", end="2023-01-05", freq='D', inclusive='both') # → DatetimeIndex(['2023-01-01', '2023-01-02', ..., '2023-01-05'], dtype='datetime64[ns]')
当需要带时间戳或特定时区时，别漏掉 tz 和 normalize
纯日期（无时间部分）和带时间的序列行为差异大：前者做索引时容易与 Timestamp 运算出错；后者在跨时区合并数据时若没设 tz，会默认为 naive 时间，后续 .dt.tz_localize() 或 .dt.tz_convert() 可能报 AmbiguousTimeError。
-
normalize=True强制归零时间部分（即设为 00:00:00），适合纯日期场景 -
tz='Asia/Shanghai'直接生成带时区的DatetimeIndex，比事后转换更可靠 - 避免用
pd.Timestamp("2023-01-01").tz_localize(...)再拼成列表——慢且易出错
dates_tz = pd.date_range("2023-01-01", periods=3, freq='D', tz='UTC', normalize=True)
# → DatetimeIndex(['2023-01-01', '2023-01-02', '2023-01-03'], tz='UTC', dtype='datetime64[ns, UTC]')
用 pd.bdate_range() 替代 date_range(freq='B') 更稳妥
虽然 freq='B' 看似简洁，但它只按“周一至周五”机械跳过周末，不识别真实节假日。国内春节、国庆调休常出现“工作日非周一至五”的情况，这时 pd.bdate_range() 配合自定义 holidays 列表才真正符合业务逻辑。
-
holidays参数接受list或pd.DatetimeIndex，元素必须是datetime.date或可解析字符串 - 不要依赖系统 locale 或第三方包自动识别节日——Pandas 不内置该能力
- 若只是排除周末，
freq='B'足够；但涉及金融/考勤等场景，务必显式传holidays
from datetime import date
hols = [date(2023, 1, 23), date(2023, 1, 27)] # 春节调休放假日
biz_dates = pd.bdate_range("2023-01-20", "2023-01-30", holidays=hols)
性能敏感时，避免在循环里反复调用 date_range()
有人习惯“每天生成一个单日 DatetimeIndex 再 concat”，这在万级日期规模下会明显变慢——每次调用都有解析开销和对象构造成本。正确做法是一次性生成完整范围，再切片或过滤。
- 生成百万级日期？
pd.date_range()本身是 O(1) 初始化 + O(n) 构造，比 Pythonfor循环快 10 倍以上 - 需要动态长度？先估算最大可能范围，再用布尔索引裁剪，别用
while+append - 内存受限时，用
periods+freq比start/end更稳定（避免因月末天数不同导致意外截断）
连续日期看似简单，但一旦混入时区、节假日、性能或索引对齐需求，细节就藏在 inclusive、normalize、holidays 这些参数里——它们不报错，但结果可能悄悄偏离预期。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
