在日期过滤Pandas DataFrames

5 回答

• 5

  如果 date column is the index ，则使用.loc进行基于标签的索引，或使用.iloc进行位置索引 .

  例如：

  df.loc['2014-01-01':'2014-02-01']
  

  在这里查看详细信息http://pandas.pydata.org/pandas-docs/stable/dsintro.html#indexing-selection

  如果列是 not the index ，您有两个选择：

  • 将其设为索引（如果是时间序列数据，则为临时或永久）

  • df[(df['date'] > '2013-01-01') & (df['date'] < '2013-02-01')]

  有关一般说明，请参阅here

  注意：.ix已弃用 .

  回复于 2024-04-23T17:18:25+08:00
• 107

  以前的答案在我的经验中是不正确的，你不能传递一个简单的字符串，需要是一个datetime对象 . 所以：

  import datetime 
  df.loc[datetime.date(year=2014,month=1,day=1):datetime.date(year=2014,month=2,day=1)]
  

  回复于 2024-04-23T17:18:25+08:00
• 9

  如果您的日期通过导入日期时间包标准化，您可以简单地使用：

  df[(df['date']>datetime.date(2016,1,1)) & (df['date']<datetime.date(2016,3,1))]
  

  要使用datetime包标记日期字符串，可以使用此功能：

  import datetime
  datetime.datetime.strptime
  

  回复于 2024-04-23T17:18:25+08:00
• 27

  如果日期在索引中，则只需：

  df['20160101':'20160301']
  

  回复于 2024-04-23T17:18:25+08:00
• 18

  如果您的datetime列具有Pandas日期时间类型（例如 datetime64[ns] ），为了正确过滤，您需要pd.Timestamp object，例如：

  from datetime import date
  
  import pandas as pd
  
  value_to_check = pd.Timestamp(date.today().year, 1, 1)
  filter_mask = df['date_column'] < value_to_check
  filtered_df = df[filter_mask]
  

  回复于 2024-04-23T17:18:25+08:00