Pandas で特定の日付範囲内の DataFrame 行を効率的に選択する方法は?

2 つの日付間の DataFrame 行を選択する

概要

時系列データを扱う場合、多くの場合、日付範囲に基づいて特定の行を選択する必要があります。この記事では、pandas DataFrame でこれを実現する 2 つの方法について説明します。

方法 1: ブール マスク

1. 日付列が dtype を持つシリーズであることを確認します。 datetime64[ns]:

   df['date'] = pd.to_datetime(df['date'])

2. 開始日と終了日の比較演算子を使用してブール マスクを作成します:

   mask = (df['date'] > start_date) & (df['date'] <= end_date)

3. Selectを使用したサブデータフレームマスク:

   df.loc[mask]

4. 必要に応じて、サブ DataFrame を df に再割り当てします。

方法 2: DatetimeIndex

1. 日付列をIndex:

   df = df.set_index(['date'])

2. 日付範囲を使用して DataFrame をスライスします:

   df.loc[start_date:end_date]

例

日付列を含む DataFrame を考えてみましょう。次のコードは、ブール マスク メソッドを使用して '2000-06-01' から '2000-06-10' までの行を選択します。

import pandas as pd

df = pd.DataFrame({
    'date': pd.date_range('2000-1-1', periods=200, freq='D'),
    'value': np.random.rand(200)
})

mask = (df['date'] > '2000-06-01') & (df['date'] <= '2000-06-10')
result_df = df[mask]

結果には 6 月 1 日から 10 日までの行が含まれます。 2000.

比較

• ブール マスク メソッドはより柔軟で、より複雑な日付比較が可能です。
• DatetimeIndex メソッドは高速です。繰り返しの日付範囲選択の場合。
• を使用します。 pd.read_csv の parse_dates を使用すると、日付列を datetime64s.

に変換する手間を省くことができます。

以上がPandas で特定の日付範囲内の DataFrame 行を効率的に選択する方法は?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。