Es gibt zwei mögliche Lösungen:
- Verwenden Sie eine boolesche Maske und dann
df.loc[mask]
- Legen Sie die Datumsspalte als DatetimeIndex fest und verwenden Sie sie
df[start_date : end_date]
Verwenden einer Booleschen Maske :
Stellen Sie sicher, dass df['date']
es sich um eine Serie mit dem Typ dtype handelt datetime64[ns]
:
df['date'] = pd.to_datetime(df['date'])
Machen Sie eine boolesche Maske. start_date
und end_date
kann datetime.datetime
s,
np.datetime64
s, pd.Timestamp
s oder sogar datetime-Zeichenfolgen sein:
#greater than the start date and smaller than the end date
mask = (df['date'] > start_date) & (df['date'] <= end_date)
Wählen Sie den Sub-DataFrame aus:
df.loc[mask]
oder neu zuweisen df
df = df.loc[mask]
Beispielsweise,
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])
ergibt
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
Verwenden eines DatetimeIndex :
Wenn Sie viele Auswahlen nach Datum vornehmen, ist es möglicherweise schneller, die
date
Spalte zuerst als Index festzulegen. Dann können Sie Zeilen nach Datum mit auswählen
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'])
ergibt
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
Während die Python-Listenindizierung, z. B. seq[start:end]
enthält, start
aber nicht end
, df.loc[start_date : end_date]
enthält Pandas beide Endpunkte im Ergebnis, wenn sie im Index enthalten sind. Weder start_date
noch end_date
muss es jedoch im Index sein.
Beachten Sie auch, dass pd.read_csv
es einen parse_dates
Parameter gibt, mit dem Sie die date
Spalte als datetime64
s analysieren können . Wenn Sie also verwenden parse_dates
, müssen Sie nicht verwenden df['date'] = pd.to_datetime(df['date'])
.