Question

数据如下：

             return 
2010-01-04  0.016676    
2010-01-05  0.003839
...
2010-01-05  0.003839
2010-01-29  0.001248
2010-02-01  0.000134
...

我想要的是提取数据中出现的所有值。

2010-01-29 0.00134 2010-02-28 ......

如果我直接使用pandas.resample，即df.resample（＆＃39; M）.last（）。我会用错误的索引选择正确的行。（它会自动使用该月的最后一天作为索引）

2010-01-31 0.00134 2010-02-28 ......

如何以Pythonic方式获得正确的答案？

Answer 1

这里假设您的日期数据是索引的一部分。如果没有，我建议先设置它。

单年

我不认为重新取样或石斑鱼功能会这样做。我们将月份编号分组，然后拨打DataFrameGroupBy.tail。

df.groupby(df.index.month).tail(1)

多年

如果您的数据跨越多年，则需要对年份和月份进行分组。使用从dt.strftime -

创建的单个分组器

df.groupby(df.index.strftime('%Y-%m')).tail(1)

或者，使用多个石斑鱼 -

df.groupby([df.index.year, df.index.month]).tail(1)

注意 - 如果您的索引不假设为DatetimeIndex，则需要将df.index替换为上面的pd.to_datetime(df.index, errors='coerce')。

Answer 2

虽然这不能正确回答问题，但如果有人有兴趣，我会留下。

一种方法，只有在您确定自己有所有日子（！重要）时才能正常工作 .Timedelta并检查是否天== 1.我做了一个小的运行时间测试，它比groupby解决方案 6x 快。

df[(df['dates'] + pd.Timedelta(days=1)).dt.day == 1]

或者索引：

df[(df.index + pd.Timedelta(days=1)).day == 1]

完整示例：

import pandas as pd

df = pd.DataFrame({
    'dates': pd.date_range(start='2016-01-01', end='2017-12-31'),
    'i': 1
}).set_index('dates')

dfout = df[(df.index + pd.Timedelta(days=1)).day == 1]
print(dfout)

返回：

           i
dates        
2016-01-31  1
2016-02-29  1
2016-03-31  1
2016-04-30  1
2016-05-31  1
2016-06-30  1
2016-07-31  1
2016-08-31  1
2016-09-30  1
2016-10-31  1
2016-11-30  1
2016-12-31  1
2017-01-31  1
2017-02-28  1
2017-03-31  1
2017-04-30  1
2017-05-31  1
2017-06-30  1
2017-07-31  1
2017-08-31  1
2017-09-30  1
2017-10-31  1
2017-11-30  1
2017-12-31  1

大熊猫获取月末的数据？

2 个答案:

单年

多年