当前位置： 移动技术网 > IT编程>脚本编程>Python > 如何用pandas提取指定时间段的数据

如何用pandas提取指定时间段的数据

2020年07月20日  | 移动技术网IT编程  | 我要评论

处理数据时，经常用到的一个需求是：从全部数据中提取某个时间段内的数据

order_data['start_time'] = pd.to_datetime(order_data['start_time'], format="%Y/%m/%d %H:%M:%S")

如获取1月到4月份的数据

order_data[order_data['start_time'].dt.month.isin(np.arange(1, 5))]

如获取2020-01-02到2020-01-12的数据

open_day='2020-01-02 00:00'
close_day='2020-01-12 23:59'
con1=order_data['judge_time']>=open_day
con2=order_data['judge_time']<=close_day
order_data=order_data[con1&con2]

如果是获取每一天的某个时间段，是整点的话（如6:00-22:00）也可以获取hour来判断

order_data[order_data['start_time'].dt.hour.isin(np.arange(6, 22))]

但如果是需要6:00-8:30呢，这就有点麻烦了，经过我实验，可以有下面两种：

import pandas as pd
from dateutil import parser
open_time='06:00'
close_time='08:30'
def is_needtime(x):
    con1=x.start_time >= parser.parse(x.date+" "+ open_time)
    con2=x.start_time <= parser.parse(x.date+" "+ close_time)
    if con1&con2:
        return 1
    else:
        return 0

order_data['start_time'] = pd.to_datetime(order_data['start_time'], format="%Y/%m/%d %H:%M:%S")
order_data['date']=order_data['start_time'].apply(lambda x: x.strftime('%Y/%m/%d'))
order_data=order_data[order_data.apply(is_needtime,axis=1)]

但是这种合规的有点慢，每一次都需要用原来的日期加上时间构造来判断

另一种有点歪路子的方法是我们把时间提取出来，然后统一加上某一天，构造出来一列专门用于判断的带日期的时间列（推荐这种）

import pandas as pd
order_data['start_time'] = pd.to_datetime(order_data['start_time'], format="%Y/%m/%d %H:%M:%S")
order_data['time_judge'] =order_data['start_time'].apply(lambda x: "2020-01-01"+" "+x.strftime('%H:%M'))
order_data['time_judge'] = pd.to_datetime(order_data['time_judge'], format="%Y-%m-%d %H:%M:%S")
open_time='2020-01-01 06:00'
close_time='2020-01-01 08:30'
con1=order_data['judge_time']>=open_time
con2=order_data['judge_time']<=close_time
order_data=order_data[con1&con2]

在这里插入图片描述

本文地址：https://blog.csdn.net/qq_38412868/article/details/107445068

您可能感兴趣的文章:

如对本文有疑问， 点击进行留言回复！！

相关文章:

验证码：
最近更新的文章
大家感兴趣的文章
移动技术网