[英]get DataFrame rows matching dates
假設我有以下DataFrame:
df = pd.DataFrame({'item': ['Subway', 'Pasta', 'Chipotle'],
'cost': [10, 5, 9],
'date': ['2017-12-01', '2017-11-01', '2017-10-01']})
df['date'] = pd.to_datetime(df['date'], format='%Y-%m-%d')
我能夠在2017-10
獲得所有物品(在這種情況下,只有一件):
print(df.set_index('date')['2017-10'])
根據pandas文檔和SO答案 ,我應該能夠使用以下命令獲取2017-10
至2017-11
所有項目(在這種情況下為2個項目),但是我得到的是一個空的DataFrame:
print(df.set_index('date')['2017-10':'2017-11'])
知道我在這里做錯了嗎(我正在使用pandas版本0.21.0
)?
此外,有沒有一種有效的方法來獲取2017-10
和2017-12
所有商品(跳過2017-11
)? 我想出了以下解決方案,但不必像這樣創建新列:
df['month'] = df['date'].dt.month
df['year'] = df['date'].dt.year
print(df[((df.month==10) & (df.year==2017) | (df.month==12) & (df.year==2017))])
我顛倒了我搜索物品的順序,所以:
import pandas as pd
df = pd.DataFrame({'item': ['Subway', 'Pasta', 'Chipotle'],
'cost': [10, 5, 9],
'date': ['2017-12-01', '2017-11-01', '2017-10-01']})
df['date'] = pd.to_datetime(df['date'], format='%Y-%m-%d')
print(df.set_index('date')['2017-11':'2017-10'])
對於您的“約會”,它從高到低。 通過切換它們,我得到了以下輸出:
cost item
date
2017-11-01 5 Pasta
2017-10-01 9 Chipotle
首先將set_index()
與DatetimeIndex
。 然后,您可以使用所需的索引方法。
df.set_index(pd.DatetimeIndex(df.date), inplace=True)
df.sort_index().loc['2017-10':'2017-11']
cost date item
date
2017-10-01 9 2017-10-01 Chipotle
2017-11-01 5 2017-11-01 Pasta
關於第二個問題,一旦擁有DatetimeIndex
,您還可以訪問month
屬性。
df.loc[df.index.month.isin([10,12])]
cost date item
date
2017-12-01 10 2017-12-01 Subway
2017-10-01 9 2017-10-01 Chipotle
(對於第二部分,也要按年份編制索引,請添加& df.index.year == 2017
)
另一種方法可能是使用布爾索引。
在這里,您提供了必須為true的語句才能返回行。
對於第二個問題,這將是:
df_October_and_December = df.ix[((df['date'] >= '2017-10-01') & (df['date'] <= '2017-10-31')) | ((df['date'] >= '2017-12-01') & (df['date'] <= '2017-12-31')) ,:]
您想要的更優雅的版本是:
df_October_and_December = df.ix[(df['date'].dt.month.isin([10,12])) ,:]
考慮到它的靈活性,我傾向於使用.ix引用,如果應用程序允許的話,我會完善為.loc或.iloc。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.