我正在从csv创建一个DataFrame,如下所示。
stock = pd.read_csv('data_in/' + filename + '.csv', skipinitialspace=True)
该DataFrame有一个日期列。有没有办法创建一个新的DataFrame(或直接覆盖现有的DataFrame),只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?
有两种可能的解决方案。
df.loc[掩码]
。df[start_date : end_date]
。使用一个布尔掩码。
确保df['date']是一个dtype为
datetime64[ns]`的系列。
df['date'] = pd.to_datetime(df['date'])
做一个布尔掩码。start_date
和end_date
可以是datetime.datetime
s。
np.datetime64
s, pd.Timestamp
s, 甚至是日期字符串。
#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]
或重新分配到df
中
df = df.loc[mask]
比如说。
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])
产量
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](https://pandas.pydata.org/pandas-docs/stable/user_guide/timeseries.html#partial-string-indexing)。
如果你要做大量的按日期的选择,可能会更快地将
date
列作为索引。然后你可以用以下方法按日期选择行
df.loc[start_date:end_date]
。
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'])
产量
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
Python的列表索引,例如seq[start:end]
包括start',但不包括
end',相反,Pandas的df.loc[start_date : end_date]
包括两个端点,如果它们在索引中。然而,start_date
和end_date
都不一定在索引中。
还要注意pd.read_csv
有一个parse_dates
参数,你可以用它来解析date
列为datetime64
。因此,如果你使用parse_dates
,你将不需要使用df['date'] = pd.to_datetime(df['date'])
。
你可以在date
列上使用isin
方法,比如说
df[df["date"].isin(pd.date_range(start_date, end_date))]
。
注意:这只适用于日期(如问题所要求的),而不是时间戳。
例子:
import numpy as np
import pandas as pd
# Make a DataFrame with dates and random numbers
df = pd.DataFrame(np.random.random((30, 3)))
df['date'] = pd.date_range('2017-1-1', periods=30, freq='D')
# Select the rows between two dates
in_range_df = df[df["date"].isin(pd.date_range("2017-01-15", "2017-01-20"))]
print(in_range_df) # print result
这就给出了
0 1 2 date
14 0.960974 0.144271 0.839593 2017-01-15
15 0.814376 0.723757 0.047840 2017-01-16
16 0.911854 0.123130 0.120995 2017-01-17
17 0.505804 0.416935 0.928514 2017-01-18
18 0.204869 0.708258 0.170792 2017-01-19
19 0.014389 0.214510 0.045201 2017-01-20