Python 检查日期是否落在数据框中

我有一个日期数据框：

>>> d.head()
Out[55]: 
0   2010-06-01
1   2010-06-02
2   2010-06-03
3   2010-06-04
4   2010-06-07
dtype: datetime64[ns]

我无法检查其中是否包含给定日期：

>>> d.iloc[1]
Out[59]: Timestamp('2010-06-02 00:00:00')

>>> d.iloc[1] in d
Out[60]: False

>>> np.datetime64(d.iloc[1]) in d
Out[61]: False

>>> d.iloc[1] in pd.to_datetime(d)
Out[62]: False

>>> pd.to_datetime(d.iloc[1]) in pd.to_datetime(d)
Out[63]: False

检查这个最好的方法是什么

要回答以下一些评论：

使用值无法解决此问题：

>>> d.iloc[1] in d.values
Out[69]: False

我不认为这是iloc返回行而不是值的问题

>>> x= pd.Timestamp('2010-6-2')
>>> x
Out[72]: Timestamp('2010-06-02 00:00:00')
>>> x in d
Out[73]: False
>>> x in pd.to_datetime(d)
Out[74]: False
>>> x in d.values
Out[75]: False

---

试试这个。您正在将

pd.Series

的第一个值与列中的值进行比较，列中的值当然是

True

我认为您的比较不起作用的原因是因为，不是序列值本身。应用

set

可确保序列值用于比较

# df
#     date
# 0   2010-06-01
# 1   2010-06-02
# 2   2010-06-03
# 3   2010-06-04
# 4   2010-06-07

# convert date column to datetime
df.date = pd.to_datetime(df.date)

df.date[1] in set(df.date)

---

这里有一个可能的答案，我在反复试验中得到的，不确定我是否遗漏了什么

检查d显示它是一个数据类型datetime64[ns]

>>> d.head()
Out[55]: 
0   2010-06-01
1   2010-06-02
2   2010-06-03
3   2010-06-04
4   2010-06-07
dtype: datetime64[ns]

同样的情况也发生在d值上

>>> d.values
Out[76]: 
array(['2010-05-31T20:00:00.000000000-0400', '2010-06-01T20:00:00.000000000-0400',.....], dtype='datetime64[ns]')

但只检查其中一个会将其更改为时间戳

>>> d.iloc[1]
Out[82]: Timestamp('2010-06-02 00:00:00')

所以我做了这样的工作：

>>> x= pd.Timestamp('2010-6-2')
>>> x
Out[72]: Timestamp('2010-06-02 00:00:00')
>>> np.datetime64(x) in d.values
Out[77]: True

检查@jp_data_使用set的分析建议也起作用，因为它将格式保持为时间戳

>>> set(d.iloc[:])
Out[81]: 
{Timestamp('2015-10-13 00:00:00'),
 Timestamp('2011-07-18 00:00:00'),......

>>> x in set(d.iloc[:])
Out[83]: True

---

使用

.isin

（请注意，.isin确实需要一个列表作为输入）可以执行以下操作：

---

它是d.values中的

d.iloc[1]，当您在d中执行
smt时，它搜索d的索引。也有关系。@ayhan那没用。编辑above@Garbage收集器该帖子中的解决方案没有帮助，因为我已重新打开shownOK…@jp_data_analysis抱歉，似乎没有帮助-我将结果包含在编辑中above@dayum您是否尝试将pd.to_datetime
应用于您正在检查的值？这是@GarbaceCollector提供的链接中建议的。@jp_data_analysis上面报告的是@jp_data_analysis是的，有效。我刚刚发布了一个详细的答案，解释了为什么这似乎有效，以及另一个解决方案
df.date = pd.to_datetime(df.date)

df.date.isin([df.date.iloc[1]])