Python 在读取csv文件时，如何以时间升序的方式获取最近一天的行？

我想获取最近一天的行数，按时间升序排列。
我得到的数据帧如下所示：

    label      uId          adId    operTime                    siteId  slotId  contentId   netType
0   0          u147333631   3887    2019-03-30 15:01:55.617     10      30      2137        1
1   0          u146930169   1462    2019-03-31 09:51:15.275     3       32      1373        1
2   0          u139816523   2084    2019-03-27 08:10:41.769     10      30      2336        1
3   0          u106546472   1460    2019-03-31 08:51:41.085     3       32      1371        4
4   0          u106642861   2295    2019-03-27 22:58:03.679     3       32      2567        4

#this not a real data, just for examples.
    label      uId          adId    operTime                    siteId  slotId  contentId   netType
0   0          u147336431   3887    2019-04-04 00:08:42.315     1       54      2427        2
1   0          u146933269   1462    2019-04-04 01:06:16.417     30      36      1343        6
2   0          u139536523   2084    2019-04-04 02:08:58.079     15      23      1536        7
3   0          u106663472   1460    2019-04-04 03:21:13.050     32      45      1352        2
4   0          u121642861   2295    2019-04-04 04:36:08.653     3       33      3267        4

因为我在这个csv文件中有大约1亿行，所以不可能将所有这些都加载到我的电脑内存中。
因此，在读取此csv文件时，我希望以时间升序的方式获取最近一天的行。
例如，如果最近一天是2019-04-04，则其输出如下：

    label      uId          adId    operTime                    siteId  slotId  contentId   netType
0   0          u147333631   3887    2019-03-30 15:01:55.617     10      30      2137        1
1   0          u146930169   1462    2019-03-31 09:51:15.275     3       32      1373        1
2   0          u139816523   2084    2019-03-27 08:10:41.769     10      30      2336        1
3   0          u106546472   1460    2019-03-31 08:51:41.085     3       32      1371        4
4   0          u106642861   2295    2019-03-27 22:58:03.679     3       32      2567        4

#this not a real data, just for examples.
    label      uId          adId    operTime                    siteId  slotId  contentId   netType
0   0          u147336431   3887    2019-04-04 00:08:42.315     1       54      2427        2
1   0          u146933269   1462    2019-04-04 01:06:16.417     30      36      1343        6
2   0          u139536523   2084    2019-04-04 02:08:58.079     15      23      1536        7
3   0          u106663472   1460    2019-04-04 03:21:13.050     32      45      1352        2
4   0          u121642861   2295    2019-04-04 04:36:08.653     3       33      3267        4

有人能帮我吗？

---

感谢您的建议。

就像前面提到的@anky_91一样，您可以使用该功能。下面是一个简单的示例，说明它是如何工作的：

df = pd.DataFrame( {'Symbol':['A','A','A'] ,
    'Date':['02/20/2015','01/15/2016','08/21/2015']})
df.sort_values(by='Date')

输出：

Date    Symbol
2   08/21/2015  A
0   02/20/2015  A
1   01/15/2016  A

---

支持anky_91所说的，sort_values（）在这里会很有帮助

import pandas as pd

df = pd.read_csv('file.csv')

# >>> df
#    label         uId  adId                 operTime  siteId  slotId  contentId  netType
# 0      0  u147333631  3887  2019-03-30 15:01:55.617      10      30       2137        1
# 1      0  u146930169  1462  2019-03-31 09:51:15.275       3      32       1373        1
# 2      0  u139816523  2084  2019-03-27 08:10:41.769      10      30       2336        1
# 3      0  u106546472  1460  2019-03-31 08:51:41.085       3      32       1371        4
# 4      0  u106642861  2295  2019-03-27 22:58:03.679       3      32       2567        4

sub_df = df[(df['operTime']>'2019-03-31') & (df['operTime']<'2019-04-01')]

# >>> sub_df
#    label         uId  adId                 operTime  siteId  slotId  contentId  netType
# 1      0  u146930169  1462  2019-03-31 09:51:15.275       3      32       1373        1
# 3      0  u106546472  1460  2019-03-31 08:51:41.085       3      32       1371        4

final_df = sub_df.sort_values(by=['operTime'])

# >>> final_df
#    label         uId  adId                 operTime  siteId  slotId  contentId  netType
# 3      0  u106546472  1460  2019-03-31 08:51:41.085       3      32       1371        4
# 1      0  u146930169  1462  2019-03-31 09:51:15.275       3      32       1373        1

将熊猫作为pd导入
df=pd.read\u csv（'file.csv'））
#>>>df
#标签uId adId operTime站点ID slotId contentId netType
#0 U1473336313887 2019-03-30 15:01:55.617102137 1
#1:10 U14693016914622019-03-3109:51:15.27533211373 1
#2 u139816523 2084 2019-03-27 08:10:41.769 10 30 2336 1
#3.0 u106546472 1460 2019-03-31 08:51:41.085 3 32 1371 4
#4 u106642861 2295 2019-03-27 22:58:03.679 3 32 2567 4
分时距=分时距[（分时距['operTime']>'2019-03-31'）和（分时距['operTime']>>分时距
#标签uId adId operTime站点ID slotId contentId netType
#1:10 U14693016914622019-03-3109:51:15.27533211373 1
#3.0 u106546472 1460 2019-03-31 08:51:41.085 3 32 1371 4
final_df=sub_df.sort_值（by=['operTime']）
#>>>最终
#标签uId adId operTime站点ID slotId contentId netType
#3.0 u106546472 1460 2019-03-31 08:51:41.085 3 32 1371 4
#1:10 U14693016914622019-03-3109:51:15.27533211373 1

---

我认为您也可以在这里使用datetimeindex；如果文件足够大，这可能是必要的。

我假设您无法将整个文件读入内存，并且文件是随机顺序的。您可以分块读取文件并在块中迭代

# read 50,000 lines of the file at a time
reader = pd.read_csv(
    'csv_file.csv',
    parse_dates=True,
    chunksize=5e5,
    header=0
)

recent_day=pd.datetime(2019,4,4)
next_day=recent_day + pd.Timedelta(days=1)
df_list=[]

for chunk in reader:
    #check if any rows match the date range
    date_rows = chunk.loc[
        (chunk['operTime'] >= recent_day]) &\
        (chunk['operTime'] < next_day)
    ]
    #append dataframe of matching rows to the list
    if date_rows.empty:
        pass
    else:
        df_list.append(date_rows)


final_df = pd.concat(df_list)
final_df = final_df.sort_values('operTime')

#一次读取50000行文件
读卡器=pd.read\U csv(
“csv_file.csv”，
parse_dates=True，
chunksize=5e5，
页眉=0
)
最近一天=pd.日期时间（2019,4,4）
下一天=最近一天+pd.Timedelta（天=1）
df_列表=[]
对于读卡器中的块：
#检查是否有任何行与日期范围匹配
日期行=chunk.loc[
（chunk['operTime']>=最近的一天]）&\
（chunk['operTime']<下一天）
]
#将匹配行的dataframe追加到列表中
如果date_rows.empty：
通过
其他：
df_list.append（日期_行）
最终df=pd.concat（df列表）
final_df=final_df.sort_值（'operTime'））

查看

sort\u values（）

由于无法在内存中读取文件，因此可以分块读取并迭代。查看

read\u csv的“chunksize”参数