Python 在多索引上使用between_time（）？

假设我有一个具有多索引的数据帧，如下所示：

                             col  col  col  col ...
tstp                    pkt                                                   
2016-04-14 04:05:32.321 0    ...  ...  ...  ...
                        25   ...  ...  ...  ...
2016-04-14 04:05:32.322 1    ...  ...  ...  ...   
                        26   ...  ...  ...  ...  
2016-04-14 04:05:32.374 2    ...  ...  ...  ...
...

一旦我确定了

beg

和

end

，我想使用

df[].between_time（beg，end）

从数据帧中获取相关行。唯一的问题是，

.between\u time（beg，end）

似乎只对DateTimeIndex起作用：

*** TypeError: Index must be DatetimeIndex

还是通过

xs（）

实现这一点更合适

---

有多种方法可以获得您想要的结果：

选择1 最好的方法可能是使用

DataFrame.loc

直接索引到

多索引

：

df.loc[beg:end]

选择2 如果需要使用

interval\u time

，可以

取消堆叠

索引的第二级，然后使用

interval\u time

并最后

堆叠

返回第二级：

df.unstack().between_time(beg,end).stack()

选择3 正如IanS所提到的，

xs

将给出类似的结果：

df.xs(slice(beg,end),level='tstp')

结论 第一个选项看起来是最干净也是最快的：

>>> timeit df.loc[beg:end]
1000 loops, best of 3: 317 µs per loop

>>> timeit df.unstack().between_time(beg,end).stack()
100 loops, best of 3: 3.35 ms per loop

>>> timeit df.xs(slice(beg,end),level='tstp')
1000 loops, best of 3: 632 µs per loop

---

Jupyter笔记本示例。

df.xs（slice（beg，end），level='tstp'）有什么问题吗？我看到的唯一替代方法是将

pkt

放入一个常规列，在两个时间之间应用

，然后将
pkt
移回索引。@IanS我想没有问题。那肯定是现在最好的方法。很明显，从熊猫18.1开始，多索引。感谢你做的分析；我正在处理一个大型数据集，其中性能是一个问题。不客气。我添加了一个链接到我用来测试选项的Jupyter笔记本。如果你想自己多挖一点，看看这个。
>>> timeit df.loc[beg:end]
1000 loops, best of 3: 317 µs per loop

>>> timeit df.unstack().between_time(beg,end).stack()
100 loops, best of 3: 3.35 ms per loop

>>> timeit df.xs(slice(beg,end),level='tstp')
1000 loops, best of 3: 632 µs per loop