Question

我是Pandas的新手，我找不到方法，如何使用另一个日期范围通过切片获取日期范围。使用整数从文档切片的示例效果很好：

In [47]: pd.date_range('04-25-2016 10:00', '04-25-2016 20:00', freq='min')[1:3]
Out[47]: DatetimeIndex(['2016-04-25 10:01:00', '2016-04-25 10:02:00'], dtype='datetime64[ns]', freq='T')

但使用其他date_range进行切片无效：

In [71]: work_range = pd.date_range('04-25-2016 10:00', '04-25-2016 20:00', freq='min')
In [72]: break_range = pd.date_range('04-25-2016 11:00', '04-25-2016 13:30', freq='min')

In [73]: free_time = work_range[break_range]
---------------------------------------------------------------------------
IndexError                                Traceback (most recent call last)
<ipython-input-73-361d67af3291> in <module>()
----> 1 free_time = work_range[break_range]

/usr/local/lib/python2.7/dist-packages/pandas/tseries/base.pyc in __getitem__(self, key)
    173             attribs['freq'] = freq
    174 
--> 175             result = getitem(key)
    176             if result.ndim > 1:
    177                 return result

IndexError: index -803545088 is out of bounds for axis 1 with size 601

或者我使用date_range错误的方式？我的完整例子：

import pandas as pd


work_range = pd.date_range('04-25-2016 10:00', '04-25-2016 20:00', freq='min')

break_ranges = list()
break_ranges.append(pd.date_range('04-25-2016 11:00', '04-25-2016 13:30', freq='min'))
break_ranges.append(pd.date_range('04-25-2016 15:00', '04-25-2016 15:30', freq='min'))
break_ranges.append(pd.date_range('04-25-2016 13:00', '04-25-2016 13:05', freq='min'))

free_ranges = list()
for range in break_ranges:
    # slicing work_range here and put it into `free_ranges` list

Answer 1

如果您的DataFrame使用DatetimeIndex索引：

work_range = pd.date_range('04-25-2016 10:00', '04-25-2016 20:00', freq='min')
break_range = pd.date_range('04-25-2016 11:00', '04-25-2016 13:30', freq='min')
df = pd.DataFrame({'col': range(len(work_range))}, index=work_range)

>>> len(work_range)
601

>>> len(break_range)
151

>>> df.shape
(601, 1)

# Use `.loc` to select specific range.
>>> df.loc[break_range].shape
(151, 1)

如果您的索引是列值：

df['idx'] = df.index
>>> df.loc[df.idx.isin(break_range)].shape
(151, 2)

要从结果中排除日期范围，只需使用tilda（~）否定字符：

>>> df.loc[~df.idx.isin(break_range)].shape
(450, 2)

如果您只是使用索引本身。

>>> work_range[work_range.isin(break_range)].shape
(151,)

# To exclude dates:
>>> work_range[~work_range.isin(break_range)].shape
(450,)

如何使用另一个日期时间范围切割日期时间范围

1 个答案: