跳转至

如何根据熊猫中的日期过滤数据框行？

原文:https://www.geesforgeks.org/如何过滤数据框架-基于行的熊猫日期/

不同地区遵循不同的日期惯例(年-月-日、年-月-日、日/月/YY 等)。).很难在数据中处理这样的字符串。Pandas to_datetime() 函数允许将字符串格式的日期和时间转换为 datetime64。该数据类型有助于提取从“年”到“微秒”的日期和时间特征。

要根据日期筛选行，首先将数据框中的日期格式化为 datetime64 类型。然后使用熊猫包中的data frame.loc【】和data frame.query【】功能指定过滤条件。因此，获取数据子集，即过滤后的数据帧。让我们看一些同样的例子。

我们将使用一个包含特定日期帖子数量的示例数据框。将示例数据中的日期转换为 datetime64 类型，如下所示。

计算机编程语言

# Import Pandas package
import pandas as pd

# Create a sample dataframe
df = pd.DataFrame({'num_posts': [4, 6, 3, 9, 1, 14, 2, 5, 7, 2],
                   'date' : ['2020-08-09', '2020-08-25', '2020-09-05', 
                            '2020-09-12', '2020-09-29', '2020-10-15', 
                            '2020-11-21', '2020-12-02', '2020-12-10', 
                            '2020-12-18']})

# Convert the date to datetime64
df['date'] = pd.to_datetime(df['date'], format='%Y-%m-%d')

# Display dataframe
df

例 1:

使用 DataFrame.loc[] 函数基于日期过滤数据， loc[] 函数用于通过标签或布尔数组访问数据帧的一组行和列。在本例中， loc[] 中的条件语句返回一个布尔值数组，如果行满足条件(日期在 9 月 1 日到 15 日之间)，则返回真值，否则返回假值。然后 loc[] 函数只返回那些具有真值的行。

蟒蛇 3

# Import Pandas package
import pandas as pd

# Create a sample dataframe
df = pd.DataFrame({'num_posts': [4, 6, 3, 9, 1, 14, 2, 5, 7, 2],
                   'date': ['2020-08-09', '2020-08-25', 
                            '2020-09-05', '2020-09-12', 
                            '2020-09-29', '2020-10-15',
                            '2020-11-21', '2020-12-02', 
                            '2020-12-10', '2020-12-18']})

# Convert the date to datetime64
df['date'] = pd.to_datetime(df['date'], format='%Y-%m-%d')

# Filter data between two dates
filtered_df = df.loc[(df['date'] >= '2020-09-01')
                     & (df['date'] < '2020-09-15')]
# Display
filtered_df

输出:

例 2:

使用日期时间索引(dt) 访问单独的日期时间属性，如年、月、日、工作日、小时、分钟、秒、微秒等。作为条件在loc【】功能如下。

注意:日期值应为 datetime64 格式。

蟒蛇 3

# Import Pandas package
import pandas as pd

# Create a sample dataframe
df = pd.DataFrame({'num_posts': [4, 6, 3, 9, 1, 14, 2, 5, 7, 2],
                   'date': ['2020-08-09', '2020-08-25',
                            '2020-09-05', '2020-09-12',
                            '2020-09-29', '2020-10-15',
                            '2020-11-21', '2020-12-02',
                            '2020-12-10', '2020-12-18']})

# Convert the date to datetime64
df['date'] = pd.to_datetime(df['date'], format='%Y-%m-%d')

# Filter data between two dates
filtered_df = df.loc[(df['date'] >= '2020-09-01')
                     & (df['date'] < '2020-09-15')]

# Display
print("\nPosts in December:")
print(filtered_df)

# Filter data for specific weekday (tuesday)
filtered_df = df.loc[df['date'].dt.weekday == 2]

# Display
print("\nPosts on all Tuesdays:")
print(filtered_df)

输出:

例 3:

使用数据框. query() 函数根据日期过滤数据， query() 函数过滤熊猫数据框，并通过在引号内指定条件来选择行。如下图，查询()里面的条件是选择日期在 8 月份的数据(指定日期范围)。默认情况下，数据框的列放在查询命名空间中，因此无需索引即可访问日期列(只需指定列名)。

蟒蛇 3

# Import Pandas package
import pandas as pd

# Create a sample dataframe
df = pd.DataFrame({'num_posts': [4, 6, 3, 9, 1, 14, 2, 5, 7, 2],
                   'date': ['2020-08-09', '2020-08-25',
                            '2020-09-05', '2020-09-12',
                            '2020-09-29', '2020-10-15',
                            '2020-11-21', '2020-12-02',
                            '2020-12-10', '2020-12-18']})

# Convert the date to datetime64
df['date'] = pd.to_datetime(df['date'], format='%Y-%m-%d')

# Filter data between two dates
filtered_df = df.query("date >= '2020-08-01' \
                       and date < '2020-09-01'")

# Display
filtered_df

输出:

回到顶部