带有日期时间列的子集熊猫数据框

时间:2019-01-31 00:26:59

标签: python pandas date dataframe subset

this question之后,如果熊猫数据帧是由一个字符串变量和一个{date1变量组成的,则使用idx.min来子集化,那么我们又如何对两个日期时间变量进行子集化呢?对于下面的示例数据框,我们如何将class == Cminimum base_date日期的maximum date_2中的行子集化? [答案将是第3行]:

print(example)
   slot_id class        day   base_date      date_2
0        1     A     Monday  2019-01-21  2019-01-24
1        2     B    Tuesday  2019-01-22  2019-01-23
2        3     C  Wednesday  2019-01-22  2019-01-24
3        4     C  Wednesday  2019-01-22  2019-01-26
4        5     C  Wednesday  2019-01-24  2019-01-25
5        6     C   Thursday  2019-01-24  2019-01-22
6        7     D    Tuesday  2019-01-23  2019-01-24
7        8     E   Thursday  2019-01-24  2019-01-30
8        9     F   Saturday  2019-01-26  2019-01-31

仅使用class == "C"的{​​{1}},我们可以使用:

minimum base_date

但是,如果我们有两个或多个日期变量,且条件类似max / min,那么索引解决方案仍然可行吗?使用2个或多个变量的子集索引是否暗含嵌套df.iloc[pd.to_datetime(df.loc[df['class'] == 'C', 'base_date']).idxmin()] ?这是用2个或多个日期时间变量处理子集的唯一方法吗?

数据:

df.iloc

数据预处理:

print(example.to_dict())
{'slot_id': {0: 1, 1: 2, 2: 3, 3: 4, 4: 5, 5: 6, 6: 7, 7: 8, 8: 9}, 'class': {0: 'A', 1: 'B', 2: 'C', 3: 'C', 4: 'C', 5: 'C', 6: 'D', 7: 'E', 8: 'F'}, 'day': {0: 'Monday', 1: 'Tuesday', 2: 'Wednesday', 3: 'Wednesday', 4: 'Wednesday', 5: 'Thursday', 6: 'Tuesday', 7: 'Thursday', 8: 'Saturday'}, 'base_date': {0: datetime.date(2019, 1, 21), 1: datetime.date(2019, 1, 22), 2: datetime.date(2019, 1, 22), 3: datetime.date(2019, 1, 22), 4: datetime.date(2019, 1, 24), 5: datetime.date(2019, 1, 24), 6: datetime.date(2019, 1, 23), 7: datetime.date(2019, 1, 24), 8: datetime.date(2019, 1, 26)}, 'date_2': {0: datetime.date(2019, 1, 24), 1: datetime.date(2019, 1, 23), 2: datetime.date(2019, 1, 24), 3: datetime.date(2019, 1, 26), 4: datetime.date(2019, 1, 25), 5: datetime.date(2019, 1, 22), 6: datetime.date(2019, 1, 24), 7: datetime.date(2019, 1, 30), 8: datetime.date(2019, 1, 31)}}

1 个答案:

答案 0 :(得分:1)

您可以使用transform

yourdf=example[example['base_date']==example.groupby('class')['base_date'].transform('min')]

如果仅用于C列

yourdf.loc[yourdf['class']=='C',:]

idxminidxmax还将仅返回满足min或max条件的第一个索引,因此,当存在多个max或min值时,它们仍仅显示一个索引