ci sono due soluzioni possibili:
- usare una maschera booleana, quindi utilizzare
df.loc[mask]
- impostare la colonna data come un DatetimeIndex, quindi utilizzare
df[start_date : end_date]
Utilizzando un maschera booleana:
Garantire df['date']
è una serie con DTYPE datetime64[ns]
:
df['date'] = pd.to_datetime(df['date'])
fare una maschera booleano. start_date
e end_date
può essere datetime.datetime
s, np.datetime64
s, pd.Timestamp
s, o stringhe persino datetime:
mask = (df['date'] > start_date) & (df['date'] <= end_date)
selezionare il sub-dataframe:
df.loc[mask]
o ri-assegnare a df
df = df.loc[mask]
.515.053.691,36321 milioni
Per esempio,
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])
cede
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
Utilizzando un DatetimeIndex:
Se avete intenzione di fare un sacco di selezioni per data, può essere più veloce per impostare la colonna date
come prima dell'indice. Quindi è possibile selezionare le righe per data utilizzando 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'])
cede
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
Mentre elenco pitone indicizzazione, ad esempio seq[start:end]
include start
ma non end
, al contrario, Panda df.loc[start_date : end_date]
include entrambi punti finali nel risultato se si trovano nell'indice. Né start_date
né end_date
devono tuttavia essere inclusi nell'indice.
Si noti inoltre che pd.read_csv
has a parse_dates
parameter che si potrebbe usare per analizzare la colonna date
come datetime64
s. Pertanto, se si utilizza parse_dates
, non è necessario utilizzare df['date'] = pd.to_datetime(df['date'])
.
Il secondo avvertenza per DatetimeIndex non appare t o essere più vero. – derNincompoop
@derNincompoop: Grazie per la correzione. – unutbu