Python 熊猫在时间范围外放置行

我正在尝试遍历数据帧索引中的每一行，并删除不在某个时间间隔内的所有行

我一直在寻找解决方案，但没有一个能将日期和时间分开，我只想删除超出时间范围的行。

您可以直接使用该函数：

ts.between_time(datetime.time(18), datetime.time(9), include_start=False, include_end=False)

---

原始答复：

您可以使用

indexer\u-between\u-time

Index

方法

例如，包括上午9点至下午6点（含）之间的时间：

相反，不包括下午6点到上午9点之间的时间（不包括）：

注意：

include\u start

和

include\u end

之间的索引器在默认情况下为

True

，将

include\u start

设置为

False

意味着时间部分精确为

start\u time

（第一个参数）的日期时间（在本例中为6pm）将不包括在内

例如：

In [1]: rng = pd.date_range('1/1/2000', periods=24, freq='H')

In [2]: ts = pd.Series(pd.np.random.randn(len(rng)), index=rng)

In [3]: ts.ix[ts.index.indexer_between_time(datetime.time(10), datetime.time(14))] 
Out[3]: 
2000-01-01 10:00:00    1.312561
2000-01-01 11:00:00   -1.308502
2000-01-01 12:00:00   -0.515339
2000-01-01 13:00:00    1.536540
2000-01-01 14:00:00    0.108617

注意：相同的语法（使用）适用于数据帧：

In [4]: df = pd.DataFrame(ts)

In [5]: df.ix[df.index.indexer_between_time(datetime.time(10), datetime.time(14))]
Out[5]: 
                            0
2000-01-03 10:00:00  1.312561
2000-01-03 11:00:00 -1.308502
2000-01-03 12:00:00 -0.515339
2000-01-03 13:00:00  1.536540
2000-01-03 14:00:00  0.108617

您也可以这样做：

rng = pd.date_range('1/1/2000', periods=24, freq='H') ts = pd.Series(pd.np.random.randn(len(rng)), index=rng) ts.ix[datetime.time(10):datetime.time(14)] Out[4]: 2000-01-01 10:00:00 -0.363420 2000-01-01 11:00:00 -0.979251 2000-01-01 12:00:00 -0.896648 2000-01-01 13:00:00 -0.051159 2000-01-01 14:00:00 -0.449192 Freq: H, dtype: float64 rng=pd.日期范围（'1/1/2000'，周期=24，频率=H'） ts=pd系列（pd.np.random.randn（len（rng）），索引=rng） ts.ix[日期时间（10）：日期时间（14）] 出[4]： 2000-01-01 10:00:00 -0.363420 2000-01-01 11:00:00 -0.979251 2000-01-01 12:00:00 -0.896648 2000-01-01 13:00:00 -0.051159 2000-01-01 14:00:00 -0.449192 频率：H，数据类型：float64

---

数据帧的工作方式也一样。

如果您不是在寻找一个内置函数，那么@AndyHayden所说的

interference\u time

是一种方法

对于那些寻找就地版本的人，我在这里留下以下评论： 如果您希望将选择置于适当位置（直接应用于pandas.DataFrame

df

），可以使用：

df.drop(numpy.setdiff1d(df.index, df.between_time(start_time=dt.time(hours=8,minute=0),
                                               end_time=dt.time(hours=18, minute=0),
                                               include_start=True, 
                                               include_end=False).index)
       ,inplace=True)

其中，

dt

是日期时间

---

这里我们找到了不在时间范围内的索引，并将它们放在适当的位置。

对于一个数据帧，我必须这样做：df.reindex（df.index[df.index.indexer_-between_-time（time（9），time（18）））@Jeff——我想你必须使用

dataframe.ix

like

df.ix[df.index.indexer_-between_-time（）

在

数据框架上

@和yhayden——我的第一个想法也是，它的工作原理相同，但我认为DataFrame试图将其应用于列（没有ix）@root我认为将ix与Series一起使用也是一种很好的做法，这样语法就完全相同了，所以我更新了第一部分。@AndyHayden--为了使其完整，您还可以添加该方法还需要

include\u start

和

include\u end

参数，这不是很重要，但有时可能会变得有用：） rng = pd.date_range('1/1/2000', periods=24, freq='H') ts = pd.Series(pd.np.random.randn(len(rng)), index=rng) ts.ix[datetime.time(10):datetime.time(14)] Out[4]: 2000-01-01 10:00:00 -0.363420 2000-01-01 11:00:00 -0.979251 2000-01-01 12:00:00 -0.896648 2000-01-01 13:00:00 -0.051159 2000-01-01 14:00:00 -0.449192 Freq: H, dtype: float64

df.drop(numpy.setdiff1d(df.index, df.between_time(start_time=dt.time(hours=8,minute=0),
                                               end_time=dt.time(hours=18, minute=0),
                                               include_start=True, 
                                               include_end=False).index)
       ,inplace=True)