[英]how to create a pandas data frame with the first days and the last days of Months
[英]How to identify data rows for the last 10 days in CSV file with pandas?
我是 Python 新手,目前正在尋求以下方面的幫助:
如何使用 Pandas 在 CVS 文件中識別過去 10 天的數據行? 我在 CSV 文件中的第一列 (report_date) 有數據值 (yyyy-mm-dd) 我每天有數百條記錄,但我只需要根據 report_date 列中的日期和理想情況從該文件中獲取最后 10 天將輸出保存到新的 CSV 文件。
到目前為止我的代碼:
import pandas as pd
data = pd.read_csv("path/to/my/file/myfile.csv")
df = pd.DataFrame(report_date)
days=10
cutoff_date = df["report_date"].dt.date.iloc[-1] - pd.Timedelta(days=days)
有人可以幫忙嗎? 提前致謝!
創建DatetimeIndex
與第一index_col
和parse_dates
在參數read_csv
:
df = pd.read_csv("path/to/my/file/myfile.csv",
index_col=['report_date'],
parse_dates=['report_date'])
然后可以使用DataFrame.last
:
df1 = df.last('10d')
最后通過DataFrame.to_csv
保存到文件:
df1.to_csv('new.csv')
您的解決方案應該更改為在read_csv
列轉換為日期read_csv
:
df = pd.read_csv("path/to/my/file/myfile.csv", parse_dates=['report_date'])
days=10
cutoff_date = df["report_date"].dt.date.iloc[-1] - pd.Timedelta(days=days)
然后在boolean indexing
按Series.dt.date
比較日期:
df1 = df[df["report_date"].dt.date > cutoff_date]
最后通過DataFrame.to_csv
保存到刪除默認索引的DataFrame.to_csv
:
df1.to_csv('new.csv', index=False)
編輯:我相信你需要:
df = pd.DataFrame({'data': range(30)}, index= pd.date_range('2020-01-25', periods=30))
print (df)
data
2020-01-25 0
2020-01-26 1
2020-01-27 2
2020-01-28 3
2020-01-29 4
2020-01-30 5
2020-01-31 6
2020-02-01 7
2020-02-02 8
2020-02-03 9
2020-02-04 10
2020-02-05 11
2020-02-06 12
2020-02-07 13
2020-02-08 14
2020-02-09 15
2020-02-10 16
2020-02-11 17
2020-02-12 18
2020-02-13 19
2020-02-14 20
2020-02-15 21
2020-02-16 22
2020-02-17 23
2020-02-18 24
2020-02-19 25
2020-02-20 26
2020-02-21 27
2020-02-22 28
2020-02-23 29
today = pd.Timestamp('today').floor('d')
df1 = df[df.index > today].first('10d')
print (df1)
data
2020-02-11 17
2020-02-12 18
2020-02-13 19
2020-02-14 20
2020-02-15 21
2020-02-16 22
2020-02-17 23
2020-02-18 24
2020-02-19 25
2020-02-20 26
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.