当列名是时间戳时，如何使用字符串键选择数据框列？答案

【问题标题】：How to select dataframe columns using string keys when the column names are timestamps?当列名是时间戳时，如何使用字符串键选择数据框列？
【发布时间】：2018-05-11 18:13:15
【问题描述】：

在 pandas 中，可以通过传递可解释为日期的字符串来索引时间序列。这也适用于 DataFrame：

>>> dates = pd.date_range('2000-01-01', periods=8, freq='M')
>>> df = pd.DataFrame(np.random.randn(8, 4), index=dates, columns=['A', 'B', 'C', 'D'])
>>> df
                   A         B         C         D
2000-01-31  0.096115  0.069723 -1.546733 -1.661178
2000-02-29  0.256296  1.838310  0.227132  1.765269
2000-03-31  0.315862  0.167007 -1.340888  1.005260
2000-04-30  1.238728 -2.325420  1.371134 -0.373232
2000-05-31  0.639211 -0.209961 -1.006498  0.005214
2000-06-30  0.091590 -0.664554 -2.037539 -1.335070
2000-07-31  0.275373 -0.398758  0.402848  0.441035
2000-08-31  2.189259 -1.236159 -0.579680  0.878355
>>> df['2000-05']
                   A         B         C         D
2000-05-31  0.639211 -0.209961 -1.006498  0.005214

当时间戳是列名时，我正在寻找执行此操作的方法。

>>> df = df.T
>>> df['2000-05']

这会产生TypeError: only integer scalar arrays can be converted to a scalar index。

>>> df.loc[:, '2000-05']

我能想到的最直接的解决方案是

>>> df.T['2000-05'].T
   2000-05-31
A    0.639211
B   -0.209961
C   -1.006498
D    0.005214

但我想知道是否还有其他好的解决方案。我想，对于非常大的 DataFrame，进行转置可能会对性能产生影响，而这里可以避免。

【问题讨论】：

标签： python pandas dataframe indexing timestamp

【解决方案1】：

嗯，总是filter 选项。

df = df.T
df.filter(like='2000-05')

   2000-05-31
A    1.884517
B    0.258133
C    0.809360
D   -0.069186

filter 为您提供更大的灵活性，例如，使用正则表达式：

df.filter(regex='2000-.*-30')

   2000-04-30  2000-06-30
A   -2.968870    2.064582
B   -0.844370    0.093393
C    0.027328    0.033193
D   -0.270860   -0.455323

【讨论】：

【解决方案2】：

也许你可以试试str，contains

df[df.index.str.contains('2000-05')].T
Out[163]: 
   2000-05-31
A    0.639211
B   -0.209961
C   -1.006498
D    0.005214

【讨论】：

当我尝试这个时，我得到AttributeError: Can only use .str accessor with string values (i.e. inferred_type is 'string', 'unicode' or 'mixed')

【解决方案3】：

还有truncate，它允许您使用日期时间对象，而不是将列名视为字符串。

这需要两个日期，不过 - before 和 after 参数充当您想要保留的时间段的书挡。

df_t = df.T
df_t.columns = pd.to_datetime(df_t.columns)

df_t.truncate(after="2000-03", before="2000-02", axis=1)

   2000-02-29
A    0.256296
B    1.838310
C    0.227132
D    1.765269

【讨论】：

这似乎适用于 after="2000-06", before="2000-05" 作为原始示例的参数。