Wie filtere ich Pandas-DataFrames nach Datumsbereichen?

Pandas DataFrames nach Datumsbereichen filtern

Eine häufige Aufgabe bei der Datenanalyse besteht darin, einen DataFrame basierend auf bestimmten Datumsbereichen zu filtern. Angenommen, Sie haben einen DataFrame mit einer „Datums“-Spalte und müssen innerhalb der nächsten zwei Monate Zeilen extrahieren. Hier sind die empfohlenen Ansätze:

Verwendung von .loc oder .iloc

Wenn die Spalte „Datum“ der Index des DataFrame ist, können Sie .loc als Beschriftung verwenden -basierte Indizierung oder .iloc für die Positionsindizierung. Zum Beispiel:

df.loc['2023-03-01':'2023-04-30']

Dieser Code gibt alle Zeilen zurück, in denen der Index „Datum“ zwischen dem 1. März und dem 30. April 2023 liegt.

Wenn die Spalte „Datum“ Nicht lautet der Index

In diesem Fall, Beachten Sie Folgendes:

• Die Spalte „Datum“ zum Index machen:Konvertieren Sie die Spalte „Datum“ mithilfe der Methode .set_index() in den Index. Dadurch können Sie .loc oder .iloc wie oben beschrieben verwenden.
• Filtern mit logischen Operatoren:Verwenden Sie > (größer als) und < (Kleiner-als-)Operatoren in Verbindung mit & (logisches UND), um Datumsangaben zu vergleichen und den DataFrame zu filtern. Zum Beispiel:

df[(df['date'] > '2023-03-01') & (df['date'] < '2023-04-30')]
Allgemeiner Hinweis:
Bitte beachten Sie, dass die .ix-Indizierung zugunsten von .loc und .iloc veraltet ist. Weitere Einzelheiten zur Indizierung und Auswahl in Pandas finden Sie im bereitgestellten Dokumentationslink im Antwortbereich.

Das obige ist der detaillierte Inhalt vonWie filtere ich Pandas-DataFrames nach Datumsbereichen?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!