Python-选择两个日期之间的DataFrame行

Question

我从csv创建一个DataFrame，如下所示：

stock = pd.read_csv('data_in/' + filename + '.csv', skipinitialspace=True)

DataFrame有一个日期列。有没有一种方法来创建一个新的DataFrame（或仅覆盖现有的DataFrame），该DataFrame仅包含日期值在指定日期范围内或两个指定日期值之间的行？

Answer 1

有两种可能的解决方案：

使用布尔型掩码，然后使用 df.loc[mask]
将日期列设置为DatetimeIndex，然后使用 df[start_date : end_date]
使用布尔型掩码：

确保df['date']是dtype系列datetime64[ns]：

df['date'] = pd.to_datetime(df['date'])  

制作一个布尔型面具。start_date并且end_date可以datetime.datetimeS， np.datetime64S，pd.TimestampS，甚至日期时间字符串：

#greater than the start date and smaller than the end date
mask = (df['date'] > start_date) & (df['date'] <= end_date)

选择子DataFrame：

df.loc[mask]

或重新分配给 df

df = df.loc[mask]

例如，

import numpy as np
import pandas as pd

df = pd.DataFrame(np.random.random((200,3)))
df['date'] = pd.date_range('2000-1-1', periods=200, freq='D')
mask = (df['date'] > '2000-6-1') & (df['date'] <= '2000-6-10')
print(df.loc[mask])

输出

            0         1         2       date
153  0.208875  0.727656  0.037787 2000-06-02
154  0.750800  0.776498  0.237716 2000-06-03
155  0.812008  0.127338  0.397240 2000-06-04
156  0.639937  0.207359  0.533527 2000-06-05
157  0.416998  0.845658  0.872826 2000-06-06
158  0.440069  0.338690  0.847545 2000-06-07
159  0.202354  0.624833  0.740254 2000-06-08
160  0.465746  0.080888  0.155452 2000-06-09
161  0.858232  0.190321  0.432574 2000-06-10

使用DatetimeIndex：

如果你打算按日期进行很多选择，则将·首先设置为索引可能会更快 。然后，你可以使用按日期选择行 ·。

import numpy as np
import pandas as pd

df = pd.DataFrame(np.random.random((200,3)))
df['date'] = pd.date_range('2000-1-1', periods=200, freq='D')
df = df.set_index(['date'])
print(df.loc['2000-6-1':'2000-6-10'])

输出：

                   0         1         2
date                                    
2000-06-01  0.040457  0.326594  0.492136    # <- includes start_date
2000-06-02  0.279323  0.877446  0.464523
2000-06-03  0.328068  0.837669  0.608559
2000-06-04  0.107959  0.678297  0.517435
2000-06-05  0.131555  0.418380  0.025725
2000-06-06  0.999961  0.619517  0.206108
2000-06-07  0.129270  0.024533  0.154769
2000-06-08  0.441010  0.741781  0.470402
2000-06-09  0.682101  0.375660  0.009916
2000-06-10  0.754488  0.352293  0.339337

相反，虽然Python列表索引（例如seq[start:end]包括start但不包括），但endPandas 如果在索引中，则在结果中df.loc[start_date : end_date]包括两个端点。但是，既不是start_date也不end_date是必须包含在索引中。

还要注意，pd.read_csv该parse_dates参数具有可用于将date列解析为datetime64s的参数。因此，如果使用parse_dates，则无需使用df['date'] = pd.to_datetime(df['date'])。