如何按時間對pandas時間序列進行子集化

Question

我正在嘗試按時間跨越多天的大熊貓時間序列。 例如，我只想要在12:00到13:00之間的時間。

我知道如何在特定日期執行此操作，例如，

In [44]: type(test)
Out[44]: pandas.core.frame.DataFrame

In [23]: test
Out[23]:
                           col1
timestamp
2012-01-14 11:59:56+00:00     3
2012-01-14 11:59:57+00:00     3
2012-01-14 11:59:58+00:00     3
2012-01-14 11:59:59+00:00     3
2012-01-14 12:00:00+00:00     3
2012-01-14 12:00:01+00:00     3
2012-01-14 12:00:02+00:00     3

In [30]: test['2012-01-14 12:00:00' : '2012-01-14 13:00']
Out[30]:
                           col1
timestamp 
2012-01-14 12:00:00+00:00     3
2012-01-14 12:00:01+00:00     3
2012-01-14 12:00:02+00:00     3

但是我在使用test.index.hour或test.index.indexer_between_time()任何日期都沒有這樣做，它們都被建議作為類似問題的答案。 我嘗試了以下方法：

In [44]: type(test)
Out[44]: pandas.core.frame.DataFrame

In [34]: test[(test.index.hour >= 12) & (test.index.hour < 13)]
Out[34]:
Empty DataFrame
Columns: [col1]
Index: []

In [36]: import datetime as dt
In [37]: test.index.indexer_between_time(dt.time(12),dt.time(13))
Out[37]: array([], dtype=int64)

對於第一種方法，我不知道test.index.hour或test.index.minute實際返回的是什么：

In [41]: test.index
Out[41]:
<class 'pandas.tseries.index.DatetimeIndex'>
[2012-01-14 11:59:56, ..., 2012-01-14 12:00:02]
Length: 7, Freq: None, Timezone: tzlocal()

In [42]: test.index.hour
Out[42]: array([11, 23,  0,  0,  0,  0,  0], dtype=int32)

In [43]: test.index.minute
Out[43]: array([59, 50,  0,  0, 50, 50,  0], dtype=int32)

他們回來了什么？ 如何進行所需的子集化？ 理想情況下，我如何才能使上述兩種方法都起作用？

編輯：問題結果是索引無效，由上面的Timezone: tzlocal()證明，因為tzlocal()不應該被允許作為時區。 當我將生成索引的方法更改為pd.to_datetime() ，根據接受的答案的最后部分，一切都按預期工作。

Answer 1

假設索引是有效的pandas時間戳，以下內容將起作用：

test.index.hour返回一個數組，其中包含數據test.index.hour每行的小時數。 例如：

df = pd.DataFrame(randn(100000,1),columns=['A'],index=pd.date_range('20130101',periods=100000,freq='T'))

df.index.year返回array([2013, 2013, 2013, ..., 2013, 2013, 2013])

要獲取時間在12和1之間的所有行，請使用

df.between_time('12:00','13:00')

這將在幾天/幾年內獲取該時間幀等。如果索引不是有效時間戳，請使用pd.to_datetime()將其轉換為有效時間戳。