Python 基于时间对数据帧进行子集设置
我有一个数据帧,它有一个时间列,其中的值是字符串。我想对数据帧进行子集划分,以便只有位于窗口中的值才在子集中。目前我正在使用Python 基于时间对数据帧进行子集设置,python,pandas,performance,datetime,indexing,Python,Pandas,Performance,Datetime,Indexing,我有一个数据帧,它有一个时间列,其中的值是字符串。我想对数据帧进行子集划分,以便只有位于窗口中的值才在子集中。目前我正在使用 date_format = '%Y-%m-%d' window_start = datetime.strptime('2000-01-01', date_format) window_end = datetime.strptime('2010-12-31', date_format) subs_df = pandas.DataFrame(index=np.ar
date_format = '%Y-%m-%d'
window_start = datetime.strptime('2000-01-01', date_format)
window_end = datetime.strptime('2010-12-31', date_format)
subs_df = pandas.DataFrame(index=np.arange(0, 0),
columns = list(orig_df.columns))
for i, row in orig_df.iterrows():
date = datetime.strptime(row.time, date_format)
f date >= window_start and date <= window_end:
subs_df = subs_df.append(row, ignore_index=True)
date\u格式=“%Y-%m-%d”
window_start=datetime.strtime('2000-01-01',date_格式)
window_end=datetime.strtime('2010-12-31',date_格式)
subs_df=pandas.DataFrame(索引=np.arange(0,0),
列=列表(原始列)
对于i,在orig_df.iterrows()中的行:
date=datetime.strtime(row.time,date\u格式)
f date>=窗口开始和日期是,这将很慢。以下是一些要点:
- 使用Pandas,避免Python级别的
for
循环。您可以使用布尔索引,并且由于pandadatetime
系列在内部存储为整数,因此可以利用矢量化
- 避免使用Pandas创建Python内置的
datetime
对象。改用pd.Timestamp
对象。通常,当这种转换在内部进行时,字符串就足够了
- 不惜一切代价避免在循环中使用
pd.DataFrame.append
。这是一个昂贵的操作,因为它涉及不必要的数据复制
下面是一个您可以做的示例:
# convert series to Pandas datetime
orig_df['time'] = pd.to_datetime(orig_df['time'])
# construct Boolean mask
mask = orig_df['time'].between('2000-01-01', '2010-12-31')
# apply Boolean mask
new_df = orig_df[mask]
是的,这会很慢。以下是一些要点:
- 使用Pandas,避免Python级别的
for
循环。您可以使用布尔索引,并且由于pandadatetime
系列在内部存储为整数,因此可以利用矢量化
- 避免使用Pandas创建Python内置的
datetime
对象。改用pd.Timestamp
对象。通常,当这种转换在内部进行时,字符串就足够了
- 不惜一切代价避免在循环中使用
pd.DataFrame.append
。这是一个昂贵的操作,因为它涉及不必要的数据复制
下面是一个您可以做的示例:
# convert series to Pandas datetime
orig_df['time'] = pd.to_datetime(orig_df['time'])
# construct Boolean mask
mask = orig_df['time'].between('2000-01-01', '2010-12-31')
# apply Boolean mask
new_df = orig_df[mask]