pandas多行合并一行_如何用pandas提取指定时间段的数据-CSDN博客

本文链接：https://blog.csdn.net/weixin_39830233/article/details/111287823

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，如提取早高峰，晚高峰，平峰段的数据

先构造一个数据集

import pandas as pdimport numpy as npi = pd.date_range('2020-01-01', periods=10000, freq='30min')order_data= pd.DataFrame({'value': np.arange(0,10000),,"start_time":i})

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'close_day='2020-01-13'con1=order_data['start_time']>=open_daycon2=order_data['start_time']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 pdfrom dateutil import parseropen_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 True    else:        return Falseorder_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.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 pdorder_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['time_judge']>=open_timecon2=order_data['time_judge']<=close_timeorder_data[con1&con2]

最近在知乎上看到一个pandas的函数between_time可以直接做这个事情适用于任意时间段，整点不整点无所谓，还是官方的方法舒服

https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.between_time.html#pandas.DataFrame.between_time

Parameters

•start_timedatetime.time or str•end_timedatetime.time or str•include_startbool, default True•include_endbool, default True•axis{0 or ‘index’, 1 or ‘columns’}, default 0•New in version 0.24.0.

可以看到默认设置是区间两端都是闭区间

•6:00-22:00

                order_data.set_index("start_time").between_time("06:00", "22:00")

•6:00-08:30

                order_data.set_index("start_time").between_time("06:00", "08:30")

between_time函数还有一种用法是把区间左端点设置的比右端点大，这样就是选择不包括在[右端点,左端点]之间的数据

pandas多行合并一行_如何用pandas提取指定时间段的数据

推荐阅读