仅将datetime列与pandas中的时间进行比较

时间:2017-08-08 06:51:57

标签: python pandas datetime

我有一个如下的df

col1, mydate
1, 25-DEC-2016 09:15:00
2, 25-DEC-2016 10:14:00
3, 25-DEC-2016 10:16:00
4, 25-DEC-2016 10:18:56
2, 25-DEC-2016 11:14:00
2, 25-DEC-2016 10:16:00

df.info(): mydate    323809 non-null object

根据时间我需要这个数据帧,比如df的时间小于10:15:00,df的时间小于11:15:00

因此使用

创建了切片间隔
times=[pd.to_datetime(i) for i in '10:15:00','11:15:00','12:15:00','13:15:00','14:15:00','15:15:00', '15:30:00']

然后我将我的mydate类型转换为时间 这花费了很多时间

df['mydate']=df4.mydate.apply(lambda x: pd.to_datetime(x,infer_datetime_format=True).time())

我认为上面的命令可以优化,或者应该有更好/更快的方式。

然后我就这么做了

for time in times:
  slice = df[df.mydate<time.time()]

我的目的只是将df.mydate时间与['10:15:00','11:15:00','12:15:00','13:15:00','14:15:00','15:15:00', '15:30:00'] (但不是日期)进行比较,并简单地将子集df

以上方式适合我,但我正在寻找更好的方法。

其他: 有趣的是,使用

排序mydate非常快(即使我没有转换为mydate col到datetime)
df.sort_values(by='mydate')

让我觉得我的子集化方式应该更快。

mydate col将始终采用25-DEC-2016 09:15:00格式(注意DEC而非Dec)我可以使用format='%d-%b-%Y %H:%M:%S'

2 个答案:

答案 0 :(得分:2)

首先,我建议在整个数组/系列上使用pd.to_datetime,所以它会是:

pd.to_datetime(['10:15:00','11:15:00','12:15:00','13:15:00']).time

而不是

[pd.to_datetime(i).time() for i in ['10:15:00','11:15:00','12:15:00','13:15:00']]

其次,你对格式是正确的。正如pd.to_datetime的文档所述,使用

要快得多(x5-10倍)
pd.to_datetime(['25-DEC-2016 09:15:00', '25-DEC-2016 09:15:00'],
               format='%d-%b-%Y %H:%M:%S')

而不是

pd.to_datetime(['25-DEC-2016 09:15:00', '26-DEC-2016 09:15:00'], 
               infer_datetime_format=True)

现在考虑您的数据框:

df = pd.DataFrame({'col1': [1, 2, 3, 2], 
                   'mydate': ['25-DEC-2016 09:15:00',
                              '25-DEC-2016 11:15:00', 
                              '26-DEC-2016 11:15:00', 
                              '26-DEC-2016 12:15:00']})
>>>
   col1                mydate
0     1  25-DEC-2016 09:15:00
1     2  25-DEC-2016 11:15:00
2     3  26-DEC-2016 11:15:00
3     2  26-DEC-2016 12:15:00

您可以先转换实际mydate系列中的datetime列:

df['mydate'] = pd.to_datetime(df.mydate, format='%d-%b-%Y %H:%M:%S')

然后,您就可以通过date访问者访问timedt字段(以及更多内容):

df.mydate.dt.date
>>>
0    2016-12-25
1    2016-12-25
2    2016-12-26
3    2016-12-26

df.mydate.dt.time
>>>
0    09:15:00
1    11:15:00
2    11:15:00
3    12:15:00

因此,在计算切片时,您可以使用:

for time in times:
    slice = df[df.mydate.dt.time < time]
    print(time, slice, sep='\n')
>>>
10:15:00
   col1              mydate
0     1 2016-12-25 09:15:00
11:15:00
   col1              mydate
0     1 2016-12-25 09:15:00
12:15:00
   col1              mydate
0     1 2016-12-25 09:15:00
1     2 2016-12-25 11:15:00
2     3 2016-12-26 11:15:00
13:15:00
   col1              mydate
0     1 2016-12-25 09:15:00
1     2 2016-12-25 11:15:00
2     3 2016-12-26 11:15:00
3     2 2016-12-26 12:15:00

注意你得到的实际上不是切片,因为它们有重叠的记录,所以你可能想要使用类似的东西:

for start, end in zip(times, times[1:]):
    slice = df[(start <= df.mydate.dt.time) & (df.mydate.dt.time <= end)]

作为最后一点,您可以使用pandas中的group by操作获取使用for循环尝试完成的任务。您只需准备一个mytime列,仅包含时间:

df['mytime'] = df.mydate.dt.time
groups = df.groupby('mytime')

for group_key, group_df in groups:
    print(group_key, group_df, sep='\n')
>>>
09:15:00
   col1              mydate    mytime
0     1 2016-12-25 09:15:00  09:15:00
11:15:00
   col1              mydate    mytime
1     2 2016-12-25 11:15:00  11:15:00
2     3 2016-12-26 11:15:00  11:15:00
12:15:00
   col1              mydate    mytime
3     2 2016-12-26 12:15:00  12:15:00

不错的是,您不需要对单个数据帧进行操作,但您可以同时对每个组应用相同的操作和聚合:

groups.size()
>>>
mytime
09:15:00    1
11:15:00    2
12:15:00    1

groups.sum()
>>>
          col1
mytime        
09:15:00     1
11:15:00     5
12:15:00     2

答案 1 :(得分:1)

我相信<html> <body> <canvas id="myCanvas" width="300" height="150" style="border:1px solid #d3d3d3;"> Your browser does not support the HTML5 canvas tag. </canvas> <script> var c = document.getElementById("myCanvas"); var ctx = c.getContext("2d"); ctx.translate(10,10); ctx.fillRect(70,40,44,30); ctx.fillRect(10,10,40,30); </script> </body> </html>更适合在熊猫中工作 - 所以首先split字符串列和选择转换时间:

timedelta

转换df['mydate'] = pd.to_timedelta(df['mydate'].str.split().str[1]) print (df) col1 mydate 0 1 09:15:00 1 2 10:14:00 2 3 10:16:00 3 4 10:18:56 4 2 11:14:00 5 2 10:16:00

list

最后创建切片:

times=pd.to_timedelta(['10:15:00','11:15:00','12:15:00',
                       '13:15:00','14:15:00','15:15:00', '15:30:00'])
print (times)
TimedeltaIndex(['10:15:00', '11:15:00', '12:15:00', '13:15:00', '14:15:00',
                '15:15:00', '15:30:00'],
               dtype='timedelta64[ns]', freq=None)