我现在已经使用python和pandas分析了一组每小时一次的数据,我发现它相当不错(来自Matlab)。
现在我有点卡住了。我是这样创建我的DataFrame的:
SamplingRateMinutes=60
index = DateRange(initialTime,finalTime, offset=datetools.Minute(SamplingRateMinutes))
ts=DataFrame(data, index=index)我现在要做的是选择10到13和20-23小时的所有日期的数据,以使用这些数据进行进一步的计算。到目前为止,我使用以下命令对数据进行切片
selectedData=ts[begin:end]而且我肯定会得到某种脏循环来选择所需的数据。但必须有一种更优雅的方式来精确地索引我想要的内容。我确信这是一个常见的问题,伪代码中的解决方案应该看起来有点像这样:
myIndex=ts.index[10<=ts.index.hour<=13 or 20<=ts.index.hour<=23]
selectedData=ts[myIndex]值得一提的是,我是一名工程师,不是程序员:) ...现在还没有
发布于 2012-05-13 01:03:19
下面是一个你想要做的例子:
In [32]: from datetime import datetime as dt
In [33]: dr = p.DateRange(dt(2009,1,1),dt(2010,12,31), offset=p.datetools.Hour())
In [34]: hr = dr.map(lambda x: x.hour)
In [35]: dt = p.DataFrame(rand(len(dr),2), dr)
In [36]: dt
Out[36]:
<class 'pandas.core.frame.DataFrame'>
DateRange: 17497 entries, 2009-01-01 00:00:00 to 2010-12-31 00:00:00
offset: <1 Hour>
Data columns:
0 17497 non-null values
1 17497 non-null values
dtypes: float64(2)
In [37]: dt[(hr >= 10) & (hr <=16)]
Out[37]:
<class 'pandas.core.frame.DataFrame'>
Index: 5103 entries, 2009-01-01 10:00:00 to 2010-12-30 16:00:00
Data columns:
0 5103 non-null values
1 5103 non-null values
dtypes: float64(2)发布于 2012-05-13 04:46:41
在即将到来的pandas 0.8.0中,您将能够编写
hour = ts.index.hour
selector = ((10 <= hour) & (hour <= 13)) | ((20 <= hour) & (hour <= 23))
data = ts[selector]发布于 2012-12-28 08:16:44
由于我在上面的评论中看起来很混乱,我决定提供另一个答案,这是Marc的答案上的pandas 0.10.0的语法更新,结合了Wes的提示:
import pandas as pd
from datetime import datetime
dr = pd.date_range(datetime(2009,1,1),datetime(2010,12,31),freq='H')
dt = pd.DataFrame(rand(len(dr),2),dr)
hour = dt.index.hour
selector = ((10 <= hour) & (hour <= 13)) | ((20<=hour) & (hour<=23))
data = dt[selector]https://stackoverflow.com/questions/10565282
复制相似问题