Question

我有一个像这样的Pandas DataFrame：

╔════════════╦═══════╗
║ DATE       ║ VALUE ║
╠════════════╬═══════╣
║ 2011-01-07 ║ 1     ║
╠════════════╬═══════╣
║ 2011-01-08 ║ 2     ║
╠════════════╬═══════╣
║ 2011-01-09 ║ 1     ║
╠════════════╬═══════╣
║ 2011-01-10 ║ 1     ║
╠════════════╬═══════╣
║ 2011-01-20 ║ 1     ║
╠════════════╬═══════╣
║ 2011-01-20 ║ 1     ║
╚════════════╩═══════╝

我现在要做的是从2011-01-20开始选择三天。通过df.loc['2011-01-20' - pd.Timedelta(3, unit='d'):'2011-01-20']选择会产生以下日期框架：

╔════════════╦═══════╗
║ DATE       ║ VALUE ║
╠════════════╬═══════╣
║ 2011-01-20 ║ 1     ║
╠════════════╬═══════╣
║ 2011-01-20 ║ 1     ║
╚════════════╩═══════╝

我想要完成的是以下数据框：

╔════════════╦═══════╗
║ DATE       ║ VALUE ║
╠════════════╬═══════╣
║ 2011-01-09 ║ 1     ║
╠════════════╬═══════╣
║ 2011-01-10 ║ 1     ║
╠════════════╬═══════╣
║ 2011-01-20 ║ 1     ║
╠════════════╬═══════╣
║ 2011-01-20 ║ 1     ║
╚════════════╩═══════╝

我不想做的是groupby或重新采样数据框或类似的东西，因为我需要保留结构以进行以下处理。有谁知道我怎么能解决这个问题？提前谢谢！

Answer 1

您可以创建一个连续的id列，以便每个日期都有一个唯一ID，该ID随日期而增加，然后根据id列增加：

import pandas as pd
# sort the `DATE` column and create an id for each date
df['DATE'] = pd.to_datetime(df.DATE).sort_values()
df['DateId'] = df.groupby('DATE').grouper.group_info[0]

# find out the id for the target date
MaxId = df.DateId[df.DATE == '2011-01-20'].drop_duplicates().values

# subset based on the id column and the MaxId
df.loc[df.DateId.isin(range(MaxId - 2, MaxId + 1)),['DATE', 'VALUE']]

#         DATE  VALUE
# 2 2011-01-09      1
# 3 2011-01-10      1
# 4 2011-01-20      1
# 5 2011-01-20      1

Answer 2

使用pandas.ix尝试此操作提示：df.ix(start, stop)

df['Date'] =pd.to_datetime(df['Date']).sort_values()
df.ix[df[df.Date =='2011-01-20'].index[0]-2: max(df[df.Date =='2011-01-20'].index)] 

       Date   Value
2 2011-01-09      1
3 2011-01-10      1
4 2011-01-20      1
5 2011-01-20      1
6 2011-01-20      1

从Pandas DataFrame中选择Days

2 个答案: