Python 3.x 在python中，从两个时间戳之间选择数据

我的查询正在对获取数据进行重新分级，在python中给出了两个时间戳

我需要有一个输入字段，在这里我可以输入两个时间戳，然后从CSV读取，我需要检索该特定输入

Actaul数据（CSV）

例如：

Input:
start date : 2-1-2017
end date :10-1-2017

输出

Timestamp     Value
2-1-2017      10
3-1-2017      35
.
.
.
.
10-1-2017     25

原始CSV将包含所有数据

Timestamp        Value
1-12-2016        10
2-12-2016        25
.
.
.
1-1-2017         15
2-1-2017         10
.
.
.
10-1-2017        25
.
.
31-1-2017        50

---

使用

pd.read\u csv

读取文件

df = pd.read_csv('my.csv', index_col='Timestamp', parse_dates=[0])

然后使用您的输入进行切片

df[start_date:end_date]

---

如果所有开始和结束日期都在

df.index

中，您似乎需要

dayfirst=True

和select by

[]

：

import pandas as pd
from pandas.compat import StringIO

temp=u"""Timestamp;Value
1-12-2016;10
2-12-2016;25
1-1-2017;15
2-1-2017;10
10-1-2017;25
31-1-2017;50"""
#after testing replace 'StringIO(temp)' to 'filename.csv'
#if necessary add sep
#index_col=[0] convert first column to index
#parse_dates=[0] parse first column to datetime
df = pd.read_csv(StringIO(temp), sep=";", index_col=[0], parse_dates=[0], dayfirst=True)
print (df)
            Value
Timestamp        
2016-12-01     10
2016-12-02     25
2017-01-01     15
2017-01-02     10
2017-01-10     25
2017-01-31     50

print (df.index.dtype)
datetime64[ns]

print (df.index)
DatetimeIndex(['2016-12-01', '2016-12-02', '2017-01-01', '2017-01-02',
               '2017-01-10', '2017-01-31'],
              dtype='datetime64[ns]', name='Timestamp', freq=None)

---

如果某些日期不在索引中，您需要：

---

时间戳的格式为“26/09/2016 23:58”。因此，它抛出了一个关键错误。KeyError:Timestamp（'2016-12-02 00:00:00'）

print（df[start\u date:end\u date]）

或

print（df[（df.index>start\u date）&（df.index>end\u date）]

？如果第一个和数据在索引中，请尝试

打印（df[str（start\u date）：str（end\u date）]）

好，返回什么

打印（df.index.dtype）

？是的，我正在尝试更改它的日期类型。由于其抛出错误“无法将类型‘Timestamp’与类型‘str’进行比较”print（df.index.dtype）=这表示df是一个对象，时间戳的格式为“26/09/2016 23:58”。因此，它抛出了一个关键错误。KeyError:时间戳（'2016-12-02 00:00:00'）

import pandas as pd
from pandas.compat import StringIO

temp=u"""Timestamp;Value
1-12-2016;10
2-12-2016;25
1-1-2017;15
2-1-2017;10
10-1-2017;25
31-1-2017;50"""
#after testing replace 'StringIO(temp)' to 'filename.csv'
#if necessary add sep
#index_col=[0] convert first column to index
#parse_dates=[0] parse first column to datetime
df = pd.read_csv(StringIO(temp), sep=";", index_col=[0], parse_dates=[0], dayfirst=True)
print (df)
            Value
Timestamp        
2016-12-01     10
2016-12-02     25
2017-01-01     15
2017-01-02     10
2017-01-10     25
2017-01-31     50

print (df.index.dtype)
datetime64[ns]

print (df.index)
DatetimeIndex(['2016-12-01', '2016-12-02', '2017-01-01', '2017-01-02',
               '2017-01-10', '2017-01-31'],
              dtype='datetime64[ns]', name='Timestamp', freq=None)

start_date = pd.to_datetime('2-1-2017', dayfirst=True)
end_date  = pd.to_datetime('10-1-2017', dayfirst=True)
print (df[start_date:end_date])
            Value
Timestamp        
2017-01-02     10
2017-01-10     25

start_date = pd.to_datetime('3-1-2017', dayfirst=True)
end_date  = pd.to_datetime('10-1-2017', dayfirst=True)

print (df[(df.index > start_date) & (df.index > end_date)])
            Value
Timestamp        
2017-01-31     50