Question

假设我有一个DataFrame

df = pd.DataFrame(dict(vals=np.random.randint(0, 10, 10)),
                  index=pd.date_range('20170401', '20170410'))

>>> df
               vals
2017-04-01     9
2017-04-02     8
2017-04-03     4
2017-04-04     5
2017-04-05     9
2017-04-06     9
2017-04-07     5
2017-04-08     3
2017-04-09     3
2017-04-10     1

和我知道的特定日期在我的索引中，但不知道其位置，例如

cur_dt = df.index[np.random.randint(0, df.index.size)]

>>> cur_dt
Timestamp('2017-04-05 00:00:00', freq='D')

鉴于cur_dt，我想确定索引中的上一个和下一个值是什么。 cur_dt应该是我的索引中的第一个（最后一个）值，那么前一个（下一个）元素本身应该是cur_dt。

回顾一下，我的问题是，在给定当前值的情况下，找到索引中的上一个和下一个值（或者如果它是一个端点的当前值本身）的最简单方法是什么？ / p>

我目前的做法似乎相当迂回，这是我提出要求的动机。

cur_iloc = df.index.get_loc(cur_dt)
prev = cur_dt if cur_iloc == 0 else df.index[cur_iloc-1]
next = cur_dt if cur_iloc == df.index.size-1 else df.index[cur_iloc+1]

>>> prev
Timestamp('2017-04-04 00:00:00', freq='D')
>>> next
Timestamp('2017-04-06 00:00:00', freq='D')

如果没有更直接的方式，那么我的道歉。我想象能够将我的索引从我的当前值“转移”一次向前和向后移动（对端点有一些很好的处理），但我不确定这是否可行。

Answer 1

假设索引已排序，请尝试使用numpy.searchsorted：

来源数据集：

In [185]: df
Out[185]:
            vals
2017-04-01     5
2017-04-02     3
2017-04-03     9
2017-04-04     8
2017-04-05     1
2017-04-06     0
2017-04-07     4
2017-04-08     5
2017-04-09     1
2017-04-10     8

In [186]: cur_dt
Out[186]: Timestamp('2017-04-02 00:00:00', freq='D')

<强>解决方案：

In [187]: idx = np.searchsorted(df.index, cur_dt)

In [188]: df.index[max(0, idx-1)]
Out[188]: Timestamp('2017-04-01 00:00:00', freq='D')

In [189]: df.index[min(idx+1, len(df)-1)]
Out[189]: Timestamp('2017-04-03 00:00:00', freq='D')

Answer 2

重置索引，然后使用布尔逻辑来识别cur_dt的位置，如下所示：

df = df.reset_index()
cur_dt_index = df.index[np.random.randint(0, df['index'].size)]
previous = max(cur_dt_index-1, 0)
next = min(cur_dt_index + 1, df.shape[0])

Answer 3

创建一个与df具有相同索引的新时间序列ts，它将存储先前的索引（并确保ts的索引已排序），然后将ts移位1。

ts=pd.Series(df.index,index=df.index).sort_index().shift(1)

（如果您只需要查找一次上一个索引，可能会比较慢，但是如果需要多次查找，则可能会更快。）

如果存在，则在DataFrame中获取上一个和下一个索引值

3 个答案: