web-dev-qa-db-fra.com

trame de données de pandas python découpant en tranches par date

Je suis capable de lire et de découper des images de données de pandas à l'aide d'objets Python datetime. Toutefois, je suis obligé d'utiliser uniquement dates existantes index. Par exemple, cela fonctionne:

>>> data
<class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 252 entries, 2010-12-31 00:00:00 to 2010-04-01 00:00:00
Data columns:
Adj Close    252  non-null values
dtypes: float64(1)

>>> st = datetime.datetime(2010, 12, 31, 0, 0)
>>> en = datetime.datetime(2010, 12, 28, 0, 0)

>>> data[st:en]
            Adj Close
Date                 
2010-12-31     593.97
2010-12-30     598.86
2010-12-29     601.00
2010-12-28     598.92

Cependant, si j'utilise une date de début ou de fin qui n'est pas présente dans le DF, j'obtiens python KeyError.

Ma question: Comment interroger l'objet dataframe pour une plage de dates; même lorsque les dates de début et de fin ne sont pas présentes dans le DataFrame. Les pandas permettent-ils un découpage basé sur la plage?

J'utilise la version 0.10.1 de pandas

40
Rishabh Sagar

Utilisez searchsorted pour trouver d'abord les temps les plus proches, puis utilisez-le pour découper.

In [15]: df = pd.DataFrame([1, 2, 3], index=[dt.datetime(2013, 1, 1), dt.datetime(2013, 1, 3), dt.datetime(2013, 1, 5)])

In [16]: df
Out[16]: 
            0
2013-01-01  1
2013-01-03  2
2013-01-05  3

In [22]: start = df.index.searchsorted(dt.datetime(2013, 1, 2))

In [23]: end = df.index.searchsorted(dt.datetime(2013, 1, 4))

In [24]: df.ix[start:end]
Out[24]: 
            0
2013-01-03  2
43
waitingkuo

Réponse courte: Triez vos données (data.sort()), puis je pense que tout fonctionnera comme prévu.

Oui, vous pouvez découper en utilisant des dates/heures ne figurant pas dans le DataFrame. Par exemple:

In [12]: df
Out[12]: 
                   0
2013-04-20  1.120024
2013-04-21 -0.721101
2013-04-22  0.379392
2013-04-23  0.924535
2013-04-24  0.531902
2013-04-25 -0.957936

In [13]: df['20130419':'20130422']
Out[13]: 
                   0
2013-04-20  1.120024
2013-04-21 -0.721101
2013-04-22  0.379392

Comme vous pouvez le constater, vous n’avez même pas besoin de créer d’objets datetime; les cordes fonctionnent.

Étant donné que les dates/heures dans votre index ne sont pas séquentielles, le comportement est étrange. Si nous mélangeons l'index de mon exemple ici ...

In [17]: df
Out[17]: 
                   0
2013-04-22  1.120024
2013-04-20 -0.721101
2013-04-24  0.379392
2013-04-23  0.924535
2013-04-21  0.531902
2013-04-25 -0.957936

... et prenons la même tranche, nous obtenons un résultat différent. Il retourne le premier élément à l'intérieur de la plage et s'arrête au premier élément à l'extérieur de la plage.

In [18]: df['20130419':'20130422']
Out[18]: 
                   0
2013-04-22  1.120024
2013-04-20 -0.721101
2013-04-24  0.379392

Ce n'est probablement pas un comportement utile. Si vous souhaitez sélectionner des plages de dates, serait-il judicieux de les trier d'abord par date?

df.sort_index()
26
Dan Allan

Vous pouvez utiliser un simple masque pour accomplir ceci:

date_mask = (data.index > start) & (data.index < end)
dates = data.index[date_mask]
data.ix[dates]

À propos, cela fonctionne également pour l'indexation hiérarchique. Dans ce cas, data.index serait remplacé par data.index.levels[0] ou similaire. 

10
watsonic

J'ai eu de la difficulté avec d'autres approches mais j'ai trouvé que l'approche suivante fonctionnait pour moi:

# Set the Index to be the Date
df['Date'] = pd.to_datetime(df['Date_1'], format='%d/%m/%Y')
df.set_index('Date', inplace=True)

# Sort the Data
df = df.sort_values('Date_1')

# Slice the Data
From = '2017-05-07'
To   = '2017-06-07'
df_Z = df.loc[From:To,:]
0
R. Cox