基于 datetime64[ns] 的 numpy 数组在 Pandas df 中选择多行

Question

头痛时间。

我有一个数据框，其中一个重要列的类型为“datetime64[ns]”。有 >1500000 行，日期时间列包含大约 3000 个唯一的“开始时间”（一台设备的运行）。

在执行了一些groupbys 和数据分析之后，我有大约 30 次感兴趣的运行（可通过它们的运行/开始时间识别）。analysis_df.start_time.unique() 创建这些日期时间的 numpy 数组。

我想用来提取这大约 30 次运行的原始数据，并希望使用 isin a la Filter dataframe rows if value in column is in a set list of values，但是我和ISIN function does not work for dates 发生了冲突，我有点卡住了。

我研究过转换格式： Converting between datetime, Timestamp and datetime64 但韦斯将这方面称为“地狱”这一事实并没有让我充满希望！ https://stackoverflow.com/a/13753918/2658194

任何有关如何实现此“过滤器”的帮助将不胜感激 - 如果有人有不同（更好！）的方法，我很乐意改变。

谢谢

Answer 1

ISIN 函数不适用于日期

那不是真的。你引用的问题是5岁。您可以使用列表、系列或数组。这是一个演示，在 Pandas 0.19.2 上测试。

df = pd.DataFrame({'A': pd.to_datetime(['2018-01-01', '2018-11-30', '2018-12-24'])})

L = ['2018-01-01', '2018-12-24']
S = pd.to_datetime(L)
A = S.values

res1 = df[df['A'].isin(L)]
res2 = df[df['A'].isin(S)]
res3 = df[df['A'].isin(A)]

assert (res1.values == res2.values).all()
assert (res1.values == res3.values).all()

print(res1)

#            A
# 0 2018-01-01
# 2 2018-12-24