Pandas 如何按时间索引切片Dataframe

在本文中，我们将介绍如何按照时间索引来切片Pandas的Dataframe，以便于对时间序列数据进行处理和分析。

阅读更多：Pandas 教程

Pandas的时间索引

在Pandas中，我们可以通过设置时间索引来将时间序列数据变成可处理的格式。使用 pd.to_datetime()方法将时间数据转换成Pandas的时间数据类型，然后再将时间数据设置为索引，这就可以方便地对时间序列数据进行切片。

例如：

import pandas as pd

# 创建示例数据
date_range = pd.date_range(start='2021-01-01', end='2021-01-05', freq='D')
data = {'A': [1, 2, 3, 4, 5],
        'B': [6, 7, 8, 9, 10],
        'C': [11, 12, 13, 14, 15]}
df = pd.DataFrame(data, index=date_range)

# 输出数据
print(df)

输出结果为：

            A   B   C
2021-01-01  1   6  11
2021-01-02  2   7  12
2021-01-03  3   8  13
2021-01-04  4   9  14
2021-01-05  5  10  15

这里我们使用 pd.date_range()方法生成了从2021-01-01到2021-01-05的时间序列数据，然后将其作为索引设置到Dataframe中。可以发现，Dataframe中的索引已经变成了时间数据。

按时间索引切片Dataframe

使用Pandas的时间索引，我们可以按照年、月、日、小时、分钟、秒等级别对时间序列数据进行切片。下面是几个常见的示例：

切片某一时间段的数据

我们可以使用 df.loc[]方法加上时间段的选择条件来划定需要的时间段：

#选择2021年1月1日到2021年1月3日之间的数据
df_slice = df.loc['2021-01-01':'2021-01-03']

# 输出数据
print(df_slice)

输出结果为：

            A  B   C
2021-01-01  1  6  11
2021-01-02  2  7  12
2021-01-03  3  8  13

切片某一天的数据

我们可以使用 df.loc[]方法加上某一天的索引来划定需要的数据：

#选择2021年1月3日的数据
df_slice = df.loc['2021-01-03']

# 输出数据
print(df_slice)

输出结果为：

A     3
B     8
C    13
Name: 2021-01-03 00:00:00, dtype: int64

可以发现，输出的结果是该天的所有数据。

切片某个时间段内的月份

我们可以使用 df.loc[]方法加上某一年份或某一月份的选择条件来划定需要的数据：

#选择2021年1月到2月份的数据
df_slice = df.loc['2021-01':'2021-02']

# 输出数据
print(df_slice)

输出结果为：

            A  B   C
2021-01-01  1  6  11
2021-01-02  2  7  12
2021-01-03  3  8  13
2021-01-04  4  9  14
2021-01-05  5  10  15

可以发现，输出的结果是1月份和2月份的所有数据。

总结

本文介绍了如何按照时间索引来切片Pandas的Dataframe，以便于对时间序列数据进行处理和分析。通过设置时间索引，我们可以按照年、月、日、小时、分钟、秒等级别对时间序列数据进行切片，以获取需要的数据。这对于时间序列数据的处理和分析非常有用，希望本文能够对您有所帮助。