选择两个日期之间的 DataFrame 行

Question

我正在从 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。有没有办法创建一个新的 DataFrame（或只是覆盖现有的 DataFrame），它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？

原文由 darkpool 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

有两种可能的解决方案：

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

---

使用布尔掩码：

确保 df['date'] 是具有 dtype datetime64[ns] 的系列：

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

制作一个布尔掩码。 start_date and end_date can be datetime.datetime s, np.datetime64 s, pd.Timestamp s, or even datetime strings:

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

选择子数据框：

 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])

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 ：

如果您要按日期进行大量选择，首先将 date 列设置为索引可能会更快。然后您可以使用 df.loc[start_date:end_date] 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'])

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

While Python list indexing, eg seq[start:end] includes start but not end , in contrast, Pandas df.loc[start_date : end_date] includes both end-points in the result如果它们在索引中。 start_date 和 end_date 都必须在索引中。

---

另请注意， pd.read_csv 有一个 parse_dates 参数，您可以使用该参数将 date 列解析为 datetime64 因此，如果您使用 parse_dates ，则不需要使用 df['date'] = pd.to_datetime(df['date']) 。

原文由 unutbu 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 2

我觉得最好的选择是使用直接检查而不是使用 loc 函数：

 df = df[(df['date'] > '2000-6-1') & (df['date'] <= '2000-6-10')]

这个对我有用。

带有切片的 loc 函数的主要问题是限制应该存在于实际值中，否则将导致 KeyError。

原文由 Christin Jose 发布，翻译遵循 CC BY-SA 3.0 许可协议