Python-选择两个日期之间的DataFrame行

发布于 2021-02-02 23:17:59

我从csv创建一个DataFrame,如下所示:

stock = pd.read_csv('data_in/' + filename + '.csv', skipinitialspace=True)

DataFrame有一个日期列。有没有一种方法来创建一个新的DataFrame(或仅覆盖现有的DataFrame),该DataFrame仅包含日期值在指定日期范围内或两个指定日期值之间的行?

关注者
0
被浏览
134
1 个回答
  • 面试哥
    面试哥 2021-02-02
    为面试而生,有面试问题,就找面试哥。

    有两种可能的解决方案:

    使用布尔型掩码,然后使用 df.loc[mask]
    将日期列设置为DatetimeIndex,然后使用 df[start_date : end_date]
    使用布尔型掩码:

    确保df['date']dtype系列datetime64[ns]

    df['date'] = pd.to_datetime(df['date'])  
    

    制作一个布尔型面具。start_date并且end_date可以datetime.datetimeSnp.datetime64Spd.TimestampS,甚至日期时间字符串:

    #greater than the start date and smaller than the end date
    mask = (df['date'] > start_date) & (df['date'] <= end_date)
    

    选择子DataFrame:

    df.loc[mask]
    

    或重新分配给 df

    df = df.loc[mask]
    

    例如,

    import numpy as np
    import pandas as pd
    
    df = pd.DataFrame(np.random.random((200,3)))
    df['date'] = pd.date_range('2000-1-1', periods=200, freq='D')
    mask = (df['date'] > '2000-6-1') & (df['date'] <= '2000-6-10')
    print(df.loc[mask])
    

    输出

                0         1         2       date
    153  0.208875  0.727656  0.037787 2000-06-02
    154  0.750800  0.776498  0.237716 2000-06-03
    155  0.812008  0.127338  0.397240 2000-06-04
    156  0.639937  0.207359  0.533527 2000-06-05
    157  0.416998  0.845658  0.872826 2000-06-06
    158  0.440069  0.338690  0.847545 2000-06-07
    159  0.202354  0.624833  0.740254 2000-06-08
    160  0.465746  0.080888  0.155452 2000-06-09
    161  0.858232  0.190321  0.432574 2000-06-10
    

    使用DatetimeIndex:

    如果你打算按日期进行很多选择,则将·首先设置为索引可能会更快 。然后,你可以使用按日期选择行 ·。

    import numpy as np
    import pandas as pd
    
    df = pd.DataFrame(np.random.random((200,3)))
    df['date'] = pd.date_range('2000-1-1', periods=200, freq='D')
    df = df.set_index(['date'])
    print(df.loc['2000-6-1':'2000-6-10'])
    

    输出:

                       0         1         2
    date                                    
    2000-06-01  0.040457  0.326594  0.492136    # <- includes start_date
    2000-06-02  0.279323  0.877446  0.464523
    2000-06-03  0.328068  0.837669  0.608559
    2000-06-04  0.107959  0.678297  0.517435
    2000-06-05  0.131555  0.418380  0.025725
    2000-06-06  0.999961  0.619517  0.206108
    2000-06-07  0.129270  0.024533  0.154769
    2000-06-08  0.441010  0.741781  0.470402
    2000-06-09  0.682101  0.375660  0.009916
    2000-06-10  0.754488  0.352293  0.339337
    

    相反,虽然Python列表索引(例如seq[start:end]包括start但不包括),但endPandas 如果在索引中,则在结果中df.loc[start_date : end_date]包括两个端点。但是,既不是start_date也不end_date是必须包含在索引中。

    还要注意,pd.read_csvparse_dates参数具有可用于将date列解析为datetime64s的参数。因此,如果使用parse_dates,则无需使用df['date'] = pd.to_datetime(df['date'])



知识点
面圈网VIP题库

面圈网VIP题库全新上线,海量真题题库资源。 90大类考试,超10万份考试真题开放下载啦

去下载看看