如何按时间过滤 Pandas DataFrame

Pandas 是基于 NumPy 的 Python 数据分析库，用于数据操作和数据分析。其中，DataFrame 是 Pandas 的核心数据结构，类似于 Excel 表格，可以通过索引、切片、筛选等操作进行相应的数据处理。

在 DataFrame 中，时间是一个重要的数据类型。本篇文档将介绍如何使用 Pandas 中的时间数据类型以及相应的方法来按时间过滤 DataFrame。

准备工作

在使用 Pandas 进行时间过滤之前，需要进行一些相关的准备工作。

首先，需要导入 Pandas 包：

import pandas as pd

接下来，需要创建一个包含时间数据的 DataFrame：

df = pd.DataFrame({
    'datetime': ['2021-01-01 08:00:00', '2021-01-01 09:00:00', '2021-01-01 10:00:00',
                 '2021-01-01 11:00:00', '2021-01-01 12:00:00'],
    'value': [1, 2, 3, 4, 5]
})
df['datetime'] = pd.to_datetime(df['datetime'])

在上面的示例中，我们创建了一个 DataFrame，其中包含了一个名为 datetime 的列，该列包含了 5 个时间数据。我们将 datetime 列的数据类型转换为 datetime。

过滤时间范围

一般来说，我们需要根据时间范围来过滤 DataFrame 中的数据。

Pandas 中提供了两种方式来过滤时间范围：使用 loc 索引器和布尔切片。

使用 loc 索引器

loc 索引器通常用于按行和列的标签过滤 DataFrame 中的数据。

在按时间过滤时，我们可以使用 loc 索引器来指定时间范围，示例代码如下：

df.loc[(df['datetime'] >= '2021-01-01 09:00:00') & (df['datetime'] < '2021-01-01 12:00:00')]

在上述代码中，我们使用 loc 索引器并指定条件，返回的结果是一个 DataFrame，其中包含时间在 09:00:00 到 12:00:00 之间的数据。

使用布尔切片

布尔切片是一种比较简单直观的方式，它将 DataFrame 中的每一行都视为一个布尔值，根据指定的条件来过滤数据。

示例代码如下：

df[(df['datetime'] >= '2021-01-01 09:00:00') & (df['datetime'] < '2021-01-01 12:00:00')]

在上述代码中，我们使用布尔切片并指定条件，返回的结果是一个 DataFrame，其中包含时间在 09:00:00 到 12:00:00 之间的数据。与 loc 索引器类似，条件表达式也需要用括号括起来，并用 & 连接条件。

按时间粒度过滤

在实际的数据分析中，我们还需要根据时间的精度对 DataFrame 进行过滤。例如，要按天、小时、分钟、秒等方式来过滤数据。

Pandas 提供了一些专门用于过滤时间粒度的方法，包括 resample、groupby 等。

使用 resample 方法

resample 方法可以按照指定的时间粒度对 DataFrame 进行重新采样。示例代码如下：

df.set_index('datetime').resample('H').sum()

在示例代码中，我们使用 set_index 方法将 datetime 列设置为索引列，使用 resample 方法按小时重新采样，并对重新采样的数据进行求和。

使用 groupby 方法

groupby 方法可以将 DataFrame 分组，并对每组数据进行聚合操作。示例代码如下：

df.groupby(pd.Grouper(key='datetime', freq='H')).sum()

在示例代码中，我们使用 groupby 方法将 datetime 列分组，指定频率为小时，并对每组数据进行求和操作。

总结

以上就是按时间过滤 Pandas DataFrame 的介绍。在实际的数据分析中，时间数据类型是相当重要的一种数据类型，它能够帮助我们更好地理解和分析数据中的时间规律，提取出有价值的信息。通过本文的介绍，相信大家已经掌握了如何使用 Pandas 对时间进行相应的过滤操作，希望大家在实际的数据分析中能够发挥更大的作用。