Question

我现在已经工作了很长时间使用python和pandas分析一组每小时数据并发现它非常好（来自Matlab。）

现在我有点卡住了。我创建了我的DataFrame：

SamplingRateMinutes=60
index = DateRange(initialTime,finalTime, offset=datetools.Minute(SamplingRateMinutes))
ts=DataFrame(data, index=index)

我现在要做的是选择10到13和20-23小时的所有日期的数据，以便使用这些数据进行进一步的计算。到目前为止，我使用

切片数据

 selectedData=ts[begin:end]

我肯定会得到某种脏循环来选择所需的数据。但必须有一种更优雅的方式来指出我想要的东西。我确信这是一个常见的问题，伪代码的解决方案看起来应该是这样的：

myIndex=ts.index[10<=ts.index.hour<=13 or 20<=ts.index.hour<=23]
selectedData=ts[myIndex]

提到我是一名工程师，没有编程人员:) ......

Answer 1

在即将推出的pandas 0.8.0中，您将可以编写

hour = ts.index.hour
selector = ((10 <= hour) & (hour <= 13)) | ((20 <= hour) & (hour <= 23))
data = ts[selector]

Answer 2

这是一个做你想做的事的例子：

In [32]: from datetime import datetime as dt

In [33]: dr = p.DateRange(dt(2009,1,1),dt(2010,12,31), offset=p.datetools.Hour())

In [34]: hr = dr.map(lambda x: x.hour)

In [35]: dt = p.DataFrame(rand(len(dr),2), dr)

In [36]: dt 

Out[36]: 
<class 'pandas.core.frame.DataFrame'>
DateRange: 17497 entries, 2009-01-01 00:00:00 to 2010-12-31 00:00:00
offset: <1 Hour>
Data columns:
0    17497  non-null values
1    17497  non-null values
dtypes: float64(2)

In [37]: dt[(hr >= 10) & (hr <=16)]

Out[37]: 
<class 'pandas.core.frame.DataFrame'>
Index: 5103 entries, 2009-01-01 10:00:00 to 2010-12-30 16:00:00
Data columns:
0    5103  non-null values
1    5103  non-null values
dtypes: float64(2)

Answer 3

由于上面的评论看起来很混乱，我决定提供另一个答案，这是对Marc答案的pandas 0.10.0的语法更新，结合Wes的提示：

import pandas as pd
from datetime import datetime

dr = pd.date_range(datetime(2009,1,1),datetime(2010,12,31),freq='H')
dt = pd.DataFrame(rand(len(dr),2),dr)
hour = dt.index.hour
selector = ((10 <= hour) & (hour <= 13)) | ((20<=hour) & (hour<=23))
data = dt[selector]

Answer 4

Pandas DataFrame具有内置功能 pandas.DataFrame.between_time

df = pd.DataFrame(np.random.randn(1000, 2),
                  index=pd.date_range(start='2017-01-01', freq='10min', periods=1000))

为每个时间段创建2个数据框：

df1 = df.between_time(start_time='10:00', end_time='13:00') 
df2 = df.between_time(start_time='20:00', end_time='23:00')

您想要的数据框被合并并排序为df1和df2：

pd.concat([df1, df2], axis=0).sort_index()

pandas，python - 如何选择时间序列中的特定时间

4 个答案: