如何在pandas中根据日期范围筛选数据?很多新手对此不是很清楚,为了帮助大家解决这个难题,下面小编将为大家详细讲解,有这方面需求的人可以来学习下,希望你能有所收获。
日期转换
用来筛选的列是 date 类型,所以这里要把要筛选的日期范围从字符串转成 date 类型
比如我的数据包含列名为 trade_date,从 20050101 - 20190926 的数据,我要筛选出 20050606 - 20071016 的数据,那么,先如下转换数据类型:
s_date = datetime.datetime.strptime('20050606', '%Y%m%d').date()e_date = datetime.datetime.strptime('20071016', '%Y%m%d').date()
数据筛选
非常简单,一行代码就搞定了:
df = df[(df['tra_date'] >= s_date) & (df['tra_date'] <= e_date)]
注意事项
多个筛选条件并存时,不能用 and 连接,需要用单个 & 符号。
s_date <= df['trade_date'] <= e_date 等同于 and
pandas提取某段时间范围数据的五种方法
import pandas as pd #读取文件df = pd.read_csv('./TianQi.csv') #获取九月份数据的几种方法#方法一 使用行索引切片,['2019/9/1':'2019/9/30'],缺点是要求日期必须是连续的。为了方便查看取前5条,以下其他方法均取前5条,由于未进行排序,顺序会有差异df.set_index('日期',inplace=True)print(df['2019/9/1':'2019/9/30'].head()) #或者print(df.loc['2019/9/1':'2019/9/30',:]) '''打印: 最高温度 最低温度 天气 风向 风级 空气质量日期 2019/9/1 33℃ 19℃ 多云~晴 西南风 2级 良2019/9/2 34℃ 20℃ 晴 南风 2级 良2019/9/3 33℃ 20℃ 晴 东南风 2级 良2019/9/7 34℃ 21℃ 晴 西南风 2级 良2019/9/8 35℃ 22℃ 晴~多云 东北风 2级 良''' #方法二 利用列表生成式和startwith('2019/9')生成bool列表,缺点,比较麻烦。print(df.loc[[True if i.startswith('2019/9') else False for i in df.index.tolist()],:].head())'''打印: 最高温度 最低温度 天气 风向 风级 空气质量日期 2019/9/4 32℃ 19℃ 晴 东南风 2级 良2019/9/5 33℃ 20℃ 晴 东南风 2级 良2019/9/6 33℃ 20℃ 晴 东南风 1级 良2019/9/1 33℃ 19℃ 多云~晴 西南风 2级 良2019/9/2 34℃ 20℃ 晴 南风 2级 良''' #方法三 利用pandas的str和startswith('2019/9')|contains('2019/9')。df1 = pd.read_csv('./TianQi.csv')print(df1[df1['日期'].str.startswith('2019/9')].head())'''打印: 日期 最高温度 最低温度 天气 风向 风级 空气质量243 2019/9/4 32℃ 19℃ 晴 东南风 2级 良244 2019/9/5 33℃ 20℃ 晴 东南风 2级 良245 2019/9/6 33℃ 20℃ 晴 东南风 1级 良246 2019/9/1 33℃ 19℃ 多云~晴 西南风 2级 良247 2019/9/2 34℃ 20℃ 晴 南风 2级 良''' #方法四 讲日期转换成datetime类型df1['日期'] = pd.to_datetime(df1['日期'])df1.set_index('日期',inplace=True,drop=True)#print(df1['2019']) #取2019年数据,或者df.loc['2019']print(df1['2019/09'].head()) ''' 取201909月数据,其他变形写法df['2019-9'] df['2019-09'] df['2019/9'] df.loc['2019-9',:] df.loc['2019-09',:] df.loc['2019/09',:] df.loc['2019/9',:]打印: 最高温度 最低温度 天气 风向 风级 空气质量日期 2019-09-04 32℃ 19℃ 晴 东南风 2级 良2019-09-05 33℃ 20℃ 晴 东南风 2级 良2019-09-06 33℃ 20℃ 晴 东南风 1级 良2019-09-01 33℃ 19℃ 多云~晴 西南风 2级 良2019-09-02 34℃ 20℃ 晴 南风 2级 良'''#注意如果要获取某一天的数据,则必须使用切片,比如df['2019/9/1':'2019/9/1'] '''获取一段时间df1.truncate(after = '2019-9-01') # 返回 after 以前的数据df1.truncate(before = '2019-9-01') # 返回 before 以后的数据df1['20190901':'2019/9/10']''' #方法五 #读取文件时,通过parse_dates=['日期'],将日期转化为datetime类型,相当于 pd.to_datetime。同时可以使用index_col将那一列作为的行索引,相当有set_index。df2 = pd.read_csv('./TianQi.csv',parse_dates=['日期'])df2['年'] = df2['日期'].dt.yeardf2['月'] = df2['日期'].dt.monthqstr = "年=='2019' and 月=='9'"print(df2.query(qstr).head())'''打印: 日期 最高温度 最低温度 天气 风向 风级 空气质量 年 月243 2019-09-04 32℃ 19℃ 晴 东南风 2级 良 2019 9244 2019-09-05 33℃ 20℃ 晴 东南风 2级 良 2019 9245 2019-09-06 33℃ 20℃ 晴 东南风 1级 良 2019 9246 2019-09-01 33℃ 19℃ 多云~晴 西南风 2级 良 2019 9247 2019-09-02 34℃ 20℃ 晴 南风 2级 良 2019 9''' '''dt的其他常用属性和方法如下:df['日期'].dt.day # 提取日期df['日期'].dt.year # 提取年份df['日期'].dt.hour # 提取小时df['日期'].dt.minute # 提取分钟df['日期'].dt.second # 提取秒df['日期'].dt.week # 一年中的第几周df['日期'].dt.weekday # 返回一周中的星期几,0代表星期一,6代表星期天df['日期'].dt.dayofyear # 返回一年的第几天df['日期'].dt.quarter # 得到每个日期分别是第几个季度。df['日期'].dt.is_month_start # 判断日期是否是每月的第一天df['日期'].dt.is_month_end # 判断日期是否是每月的最后一天df['日期'].dt.is_leap_year # 判断是否是闰年df['日期'].dt.month_name() # 返回月份的英文名称df['日期'].dt.to_period('Q') # M 表示月份,Q 表示季度,A 表示年度,D 表示按天df['日期'].dt.weekday_name # 返回星期几的英文 由于pandas版本问题,改变pandas版本在cmd中输入:pip install --upgrade pandas==0.25.3Series.dt.normalize() # 函数将给定系列对象中的时间转换为午夜。'''
看完上述内容是否对您有帮助呢?如果还想对相关知识有进一步的了解或阅读更多相关文章,请关注编程网行业资讯频道,感谢您对编程网的支持。