如何在熊猫系列中获取时间范围内的行掩码？ [复制]答案

【问题标题】：How to get mask of rows for a time range in pandas series? [duplicate]如何在熊猫系列中获取时间范围内的行掩码？ [复制]
【发布时间】：2019-05-24 03:24:46
【问题描述】：

我有一个 pandas DataFrame 的日期列名为 SDate，我想找到 SDate 的时间在下午 2 点到 4 点之间的行，例如：

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

但这并不像那样工作。如何以最熊猫和pythonic的方式做到这一点？

【问题讨论】：

能否也提供一些数据？

标签： python pandas

【解决方案1】：

如果你想要一个面具，应该这样做：

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datetime dtype 列SDate 的DataFrame，dt 是类似日期时间属性的访问器对象，例如小时。

【讨论】：

对，你能不能进一步解释一下什么是SDate.dt，比如它是什么类型，它有什么作用

【解决方案2】：

你也可以使用between_time

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

【讨论】：

【解决方案3】：

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

【讨论】：