如何根据日期时间索引对 Pandas 数据框进行切片答案

【问题标题】：How to slice a Pandas Dataframe based on datetime index如何根据日期时间索引对 Pandas 数据框进行切片
【发布时间】：2018-09-26 20:41:48
【问题描述】：

这已经困扰我很久了：

给定一个简单的 pandas DataFrame

>>> df

Timestamp     Col1
2008-08-01    0.001373
2008-09-01    0.040192
2008-10-01    0.027794
2008-11-01    0.012590
2008-12-01    0.026394
2009-01-01    0.008564
2009-02-01    0.007714
2009-03-01   -0.019727
2009-04-01    0.008888
2009-05-01    0.039801
2009-06-01    0.010042
2009-07-01    0.020971
2009-08-01    0.011926
2009-09-01    0.024998
2009-10-01    0.005213
2009-11-01    0.016804
2009-12-01    0.020724
2010-01-01    0.006322
2010-02-01    0.008971
2010-03-01    0.003911
2010-04-01    0.013928
2010-05-01    0.004640
2010-06-01    0.000744
2010-07-01    0.004697
2010-08-01    0.002553
2010-09-01    0.002770
2010-10-01    0.002834
2010-11-01    0.002157
2010-12-01    0.001034

如何将它分开，以便新的 DataFrame 等于 df 中 2009-05-01 和 2010-03-01 之间日期的条目

>>> df2

Timestamp     Col1
2009-05-01    0.039801
2009-06-01    0.010042
2009-07-01    0.020971
2009-08-01    0.011926
2009-09-01    0.024998
2009-10-01    0.005213
2009-11-01    0.016804
2009-12-01    0.020724
2010-01-01    0.006322
2010-02-01    0.008971
2010-03-01    0.003911

【问题讨论】：

pandas.pydata.org/pandas-docs/stable/timeseries.html#indexing

标签： python pandas slice

【解决方案1】：

IIUC，一个简单的切片？

from datetime import datetime
df2 = df[(df.Timestamp >= datetime(2009, 05, 01)) &
         (df.Timestamp <= datetime(2010, 03, 01))]

【讨论】：

注意不用datetime：df[(df.Timestamp >= '2009-05-01') & (df.Timestamp <= '2010-03-01')]就可以了

【解决方案2】：

如果您已将“时间戳”列设置为索引，那么您可以简单地使用

df['2009-05-01' :'2010-03-01']

【讨论】：

另外，如果你只需要一个日期，你可以df.loc['2009-05-01'] :)
另外。如果您的索引中也有时间，您可以像这样使用它df.loc['2009-05-01 00:00:00':'2009-03-01 23:00:00']。
当且仅当您已排序索引且间隔列之间没有其他非相关列时，此方法才有效

【解决方案3】：

你可以这样做：

df2 = df.set_index('Timestamp')['2009-05-01' :'2010-03-01']
print(df2)

【讨论】：