如何在熊猫系列中获得一个时间范围的行掩码？[重复]

Question

我有一个< code > pandas < code > data frame ，其日期列名为< code>SDate，我希望找到< code>SDate的时间在下午2点到4点之间的行，类似于:

d=pd.read_csv("data.csv",parse_dates=['SDate'])
indices=np.nonzero(d.SDate.hour>=2&d.SDate.hour<=4)[0]

但这不是那样工作的。如何以最熊猫和蟒蛇的方式做到这一点？

Answer 1

您需要用括号分隔条件：

s = pd.to_datetime(['2018-01-01 02:00', '2015-12-25 15:00'])

indices = np.nonzero(s.hour>=2 & s.hour<=4)[0]
# TypeError: unsupported operand type(s) for &: 'int' and 'Int64Index'

indices = np.nonzero((s.hour>=2) & (s.hour<=4))[0]
# array([0], dtype=int64)

请注意，您可以使用pd.Series.argmax进行此计算，因为标量输出就足够了：

indices = ((s.hour>=2) & (s.hour<=4)).argmax()
# 0

Answer 2

也可以使用between_time

d = d.set_index('SDate')
d.between_time(start_time = '14:00', end_time = '16:00')

Answer 3

如果你想要一个面具，这应该做到：

import pandas as pd

df = pd.DataFrame(data=pd.date_range(start='1/1/2018', end='1/2/2018', freq='H'), columns=['SDate'])
mask = (df.SDate.dt.hour >= 2) & (df.SDate.dt.hour <= 4)
print(mask.values)

输出

[False False  True  True  True False False False False False False False
 False False False False False False False False False False False False
 False]

在上面的示例中，df是具有日期时间dtype列< code>SDate的DataFrame，dt是datetimelike属性(如hour)的访问器对象。