从日期时间中提取时间以在熊猫中进行比较答案

【问题标题】：Extract time from datetime for comparison in pandas从日期时间中提取时间以在熊猫中进行比较
【发布时间】：2018-08-26 19:16:19
【问题描述】：

我有一个数据框

customer_number   purchase_time         quantity
14                2007-03-01 07:06:00   10
20                2007-03-12 13:05:00   13

我试图找出上午和下午购买的总数量。我将purchase_time 转换为日期时间

df['purchase_time'] = pd.to_datetime(df['purchase_time'])
# Baskets bought in morning.
df[df['purchase_time'] < '12:00:00']

但是，结果是原始数据集。

【问题讨论】：

标签： python pandas datetime dataframe

【解决方案1】：

在groupby中使用布尔数组

df.groupby(df.purchase_time.dt.hour < 12).sum().rename(
    {True: 'Morning', False: 'Afternoon'})

               customer_number  quantity
purchase_time                           
Afternoon                   20        13
Morning                     14        10

【讨论】：

我喜欢这个，但我要么将 customer_number 包含在 groupby 中，要么根本不包含，对吧？

【解决方案2】：

假设purchase_time 是datetime dtype：

In [88]: df.query("purchase_time.dt.hour < 12 and purchase_time.dt.month in [3,6]")
Out[88]:
   customer_number       purchase_time  quantity
0               14 2007-03-01 07:06:00        10

【讨论】：

我不知道您可以在查询/评估字符串中使用访问器。
@piRSquared，坦率地说，我不确定它是否是一个新功能......但如果这样的东西不起作用，我们可以尝试使用engine='python' - 这将适用大多数情况...

【解决方案3】：

你可以

df[df['purchase_time'].dt.time < pd.to_datetime('12:00:00').time()]
Out[152]: 
   customer_number       purchase_time  quantity
0               14 2007-03-01 07:06:00        10

【讨论】：

我在尝试组合条件 df[df['purchase_time'].dt.time > pd.to_datetime('12:00:00').time() & df['purchase_time'] < pd.to_datetime('18:00:00').time() 时出错。错误信息：unsupported operand type(s) for %: 'datetime.time' and 'datetime.time'
(df['purchase_time'].dt.time > pd.to_datetime('12:00:00').time()) &( df['purchase_time']

【解决方案4】：

您可能不需要在这里进行转换，只需按字典顺序比较时间 -

df[df['purchase_time'].str.split().str[1] < '12:00:00']

   customer_number        purchase_time  quantity
0               14  2007-03-01 07:06:00        10

虽然，为了增加一层安全性，我建议转换为 timedelta 并进行比较 - 这些比较仍然适用于字符串（熊猫就是这样神奇）-

df[pd.to_timedelta(
       df['purchase_time'].str.split().str[1], errors='coerce'
) < '12:00:00']

   customer_number        purchase_time  quantity
0               14  2007-03-01 07:06:00        10

【讨论】：

谢谢。在熊猫中转换为数据时间的目的是什么，而我们可以处理具有对象类型的数据集？如果我想找到三月份买的篮子，我可以按照你的指示，用拆分的方法来做，对吧？
@Homesand 在这种情况下，转换为日期时间将非常有用。你可以很容易地做到pd.to_datetime(df['purchase_time']).dt.month == 3。