按几个时间段过滤熊猫数据框？答案

【问题标题】：Filter pandas dataframe by several time periods?按几个时间段过滤熊猫数据框？
【发布时间】：2020-10-20 02:43:39
【问题描述】：

我有一个数据框，其中有一个时间戳列（最初是使用 pd.to_datetime 转换的字符串值），对其进行排序并设置为索引。我希望通过此索引过滤数据框，以删除未包含在给定时间段集中的所有行。

示例时间段将是（格式为 %m/%d/%Y %H:%M:%S.%f 如果重要）：

10/05/2020 13:14:40.980 to 10/05/2020 21:50:52.323  
10/06/2020 06:45:31.839 to 10/06/2020 17:05:11.382  
10/06/2020 22:10:05.872 to 10/07/2020 07:03:52.872  
etc....

我发现df.between_time(*pd.to_datetime(['10/05/2020 13:14:40.980', '10/06/2020 21:50:52.323']).time) 可用于选择单个时间段，但如何一次选择多个时间段？可以这样使用 between_time 吗？我需要制作一个参考字典来配对不同时间段的开始/结束时间吗？

此外，在执行此过滤步骤时计算从总数中排除的行数将有助于了解。

感谢您提供的任何帮助。

【问题讨论】：

标签： python pandas

【解决方案1】：

只需使用布尔条件，在时间段之间使用“&”。

import pandas as pd

df = pd.Series(data=1, index=pd.date_range("2019-1-1", "2019-5-1"))
df.loc[(df.index < pd.to_datetime("2019-1-8")) | ((df.index > pd.to_datetime("2019-4-22")) & (df.index < pd.to_datetime("2019-4-25")))]

结果：

2019-01-01    1
2019-01-02    1
2019-01-03    1
2019-01-04    1
2019-01-05    1
2019-01-06    1
2019-01-07    1
2019-04-23    1
2019-04-24    1
dtype: int64

在这里，我过滤了 22/4/2019 到 25/4/2019 之间的日期，日期更小（2019 年 8 月 1 日）（那些日期格式为“dd/mm/yyyy”，而在代码中我的格式是“yyyy -mm-dd”）。它会随着时间的推移而起作用

【讨论】：