如何在 Pandas 中高效選擇特定日期範圍內的 DataFrame 行？

選擇兩個日期之間的DataFrame 行

簡介

處理時間序列資料時，通常需要根據日期範圍選擇特定行。本文探討了在 pandas DataFrames 中實現此目的的兩種方法。

方法 1：布林遮罩

1. 確保日期欄位是 dtype 的 Series datetime64[ns]:

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

2. 使用比較運算子與開始日期和結束日期建立布林遮罩：

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

3. 選擇子DataFrame使用mask:

   df.loc[mask]

4. （可選）將子 DataFrame 重新指派給 df。

方法2：DatetimeIndex

1. 將日期欄位設定為索引：

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

將日期欄位設為
2. 使用日期範圍對DataFrame進行切片：

   df.loc[start_date:end_date]

範例

考慮一個有日期列的 DataFrame。以下程式碼使用布林遮罩方法選擇 '2000-06-01' 和 '2000-06-10' 之間的行：

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'] 結果包括從 6 月 1 日到 10 日的行， 2000.<p></p><p>比較<strong></strong></p>

布林遮罩方法更靈活，允許更複雜的日期比較。
• DatetimeIndex 方法更快用於重複的日期範圍選擇。
• 在中使用 parse_dates pd.read_csv 可以省去將日期列轉換為 datetime64s 的需要。

以上是如何在 Pandas 中高效選擇特定日期範圍內的 DataFrame 行？的詳細內容。更多資訊請關注PHP中文網其他相關文章！