Python Pandas Wählen Sie Index-index ist größer als x

Sagen, ich habe einen DataFrame df mit Datum als index und einige Werte. Wie kann ich die Zeilen, wo das Datum größer ist als einige Wert x?

Ich weiß, ich kann konvertieren Sie den index auf einer Spalte, und führen Sie dann die select - df[df['date']>x] aber langsamer als der Betrieb auf dem index?

  • Die meisten idiomatischen ist wahrscheinlich Zeichenfolge die Indizierung. Aber Sie konnte etwas tun, wie df[df.index > x].
  • Sie können genau das gleiche tun mit dem index also, wenn Ihr index ist schon ein Datum, dann können Sie nur df[df > x] nur funktionieren würde
InformationsquelleAutor user3092887 | 2014-06-06
  1. 22

    Beispiel für die Auswahl von einem DataFrame mit der Verwendung des index:

    from numpy.random import randn
from pandas import DataFrame
from datetime import timedelta as td
import dateutil.parser

d = dateutil.parser.parse("2014-01-01")
df = DataFrame(randn(6,2), columns=list('AB'), index=[d + td(days=x) for x in range(1,7)])

In [1]: df
Out[1]:
                   A         B
2014-01-02 -1.172285  1.706200
2014-01-03  0.039511 -0.320798
2014-01-04 -0.192179 -0.539397
2014-01-05 -0.475917 -0.280055
2014-01-06  0.163376  1.124602
2014-01-07 -2.477812  0.656750

In [2]: df[df.index > dateutil.parser.parse("2014-01-04")]
Out[2]:
                   A         B
2014-01-05 -0.475917 -0.280055
2014-01-06  0.163376  1.124602
2014-01-07 -2.477812  0.656750
    • Die Antwort oben ist robuster, aber wenn Sie wollen, um eine schnelle Abfrage (beispielsweise bei der Verwendung von jupyter notebook) im folgenden gilt auch: df[de.index - > "2014-01-04"]
    • Kann df.index verallgemeinert werden zu Funktionen, die von der index? zB wählen Sie den geraden Tag?
    InformationsquelleAutor Datageek
  2. 1

    Den vorhandenen Antwort ist richtig, aber wenn wir wählen auf dem index basierenden, die zweite Methode von hier wäre schneller:

    # Set index
df = df.set_index(df['date'])

# Select observations between two datetimes
df.loc[pd.TimeStamp('2002-1-1 01:00:00'):pd.TimeStamp('2002-1-1 04:00:00')]
    InformationsquelleAutor ntg
Schreibe einen Kommentar