创建一个 datetime64[ns] 变量（或使用 between_time 函数？）答案

【问题标题】：Create a datetime64[ns] variable (or use between_time function?)创建一个 datetime64[ns] 变量（或使用 between_time 函数？）
【发布时间】：2020-11-05 09:21:28
【问题描述】：

我有一个带有时间列的数据框。首先 df.dtypes 返回“object”，所有值都如下所示：

2019-10-18T08:13:26.702000

我使用 pd.to_datetime 和 df.dtypes 返回 ‘datetime64[ns]’ 并且值都如下所示：

2019-10-18 08:13:26.702000

我希望能够根据时间间隔选择日期范围的范围。我第一次尝试：

df.iloc[pd.DatetimeIndex['ts'].indexer_between_time(datetime.time(2019,10,18,8,19,0),
                                                    datetime.time(2019,10,18,8,21,0))]

然后我得到 TypeError：

TypeError                                 Traceback (most recent call last)
<ipython-input-31-9e1f5757369e> in <module>
----> 1 df.iloc[pd.DatetimeIndex['ts'].indexer_between_time(datetime.time(2019,10,18,8,19,0),
      2                                                     datetime.time(2019,10,18,8,21,0))]
      3 
      4 
      5 #df.pd.DatetimeIndex['ts'].indexer_between_time(time(8:19), time(08:21:00))

TypeError: 'type' object is not subscriptable

然后我尝试通过定义一个 datetime64[ns] 变量来解决问题，然后尝试执行“大于和小于”选择。但我无法毫无错误地定义变量。（并且不确定这种解决方法是否有效..？）

time1 = pd.datetime.datetime64[ns](2019-10-18T08:19:00.0)

给予：

SyntaxError: invalid syntax

整理数据帧的时间间隔的最佳方法是什么？我需要能够按秒排序，而不是毫秒。

如果需要，这是转换为 datetime64[ns] 后我的日期帧的一部分：

                        ts  value
0  2019-10-18 08:13:26.702     14
1  2019-10-18 08:13:26.765     10
2  2019-10-18 08:13:26.790      5
3  2019-10-18 08:13:26.889      6
4  2019-10-18 08:13:26.901      8
5  2019-10-18 08:13:27.083     33
6  2019-10-18 08:13:27.098     21
7  2019-10-18 08:13:27.101     11
8  2019-10-18 08:13:27.129     22
9  2019-10-18 08:13:27.159     29
10 2019-10-18 08:13:27.188      7
11 2019-10-18 08:13:27.212     20
12 2019-10-18 08:13:27.228     24
13 2019-10-18 08:13:27.246     30
14 2019-10-18 08:13:27.395     34
15 2019-10-18 08:23:26.375     40
16 2019-10-18 08:23:26.527     49
17 2019-10-18 08:23:26.725     48

【问题讨论】：

标签： python pandas datetime-format

【解决方案1】：

您需要来自ts 列的DatetimeIndex，一种可能的解决方案是使用DatetimeIndex 或将列转换为索引并选择.index：

df['ts'] = pd.to_datetime(df['ts'])
df = df.iloc[pd.DatetimeIndex(df['ts']).indexer_between_time(datetime.time(8,20,0),
                                                             datetime.time(8,27,0))]

df['ts'] = pd.to_datetime(df['ts'])
df = df.iloc[df.set_index('ts').index.indexer_between_time(datetime.time(8,20,0),
                                                           datetime.time(8,27,0))]

print (df)
                        ts  value
15 2019-10-18 08:23:26.375     40
16 2019-10-18 08:23:26.527     49
17 2019-10-18 08:23:26.725     48

但更简单的解决方案是使用DatetimeIndex - 将列ts 转换为DataFrame.set_index，然后使用DataFrame.between_time：

df['ts'] = pd.to_datetime(df['ts'])
df = df.set_index('ts').between_time(datetime.time(8,20,0), datetime.time(8,27,0))
print (df)
                         value
ts                            
2019-10-18 08:23:26.375     40
2019-10-18 08:23:26.527     49
2019-10-18 08:23:26.725     48

【讨论】：