Python 根据当前使用熊猫的总年数筛选行

假设我有一个带有以下列的数据框

df

：

import pandas as pd

df = pd.read_csv('data.csv')
df
Cities  Start_date  End_date    data_avail
A       1-03-2000   1-03-2012   12
B       1-12-2002   1-12-2005   3
C       1-04-2000   1-04-2010   10
D       1-04-2009   1-04-2016   7
E       1-04-2003   1-05-2007   5

如何了解2005年至2010年期间存在至少三年数据的所有城市。例如，在上述示例中，只有城市A、C和E满足上述条件。因此，预期产出为：

df
Cities  Start_date  End_date    total_no
A       1-03-2000   1-03-2012   12
C       1-04-2000   1-04-2010   10
E       1-04-2003   1-05-2007   5

---

首先按指定列删除可能缺少的行：

df = df.dropna(subset=['Start_date','End_date'])

想法是按年份创建范围，将范围

r

与长度转换为相交集，然后传递到：

Lsit理解备选方案，布尔列表的输出传递给

布尔索引

：

df['Start_date'] = pd.to_datetime(df['Start_date'])
df['End_date'] = pd.to_datetime(df['End_date'])

r = set(range(2005, 2011))
z = zip(df['Start_date'].dt.year, df['End_date'].dt.year)
L = [len(set(range(s, e + 1)) & r) > 2 for s, e in z]

df = df[L]
print (df)
  Cities Start_date   End_date  data_avail
0      A 2000-01-03 2012-01-03          12
2      C 2000-01-04 2010-01-04          10
4      E 2003-01-04 2007-01-05           5

---

这对你有用吗

data.csv

Cities,Start_date,End_date,data_avail
A,1-03-2000,1-03-2012,12
B,1-12-2002,1-12-2005,3
C,1-04-2000,1-04-2010,10
D,1-04-2009,1-04-2016,7
E,1-04-2003,1-05-2007,5

def can_允许（世界其他地区）：
允许的年数=[2005、2006、2007、2008、2009、2010]
开始年份=行[“开始日期”]。年份
结束年份=行[“结束日期”]。年份
return len（list）（filter（lambda year:start_year我收到这个错误
TypeError:“float”对象不能解释为整数
@SaiKiran-这意味着有一些缺少的值，如何工作
s=df.dropna（）.apply（func，axis=1）。重新索引（df.index，fill_value=False）
？@SaiKiran-答案已编辑。使用
df=df.dropna（子集=['Start\u date'，'End\u date']）
代码运行良好。我可以知道代码中年数的阈值在哪里吗？代码看起来有点难以理解。@SaiKiran-它在
范围（2005，2011）中指定
我收到此错误：
AttributeError:“Timestamp”对象没有属性“split”
添加了data.csv的内容。您从何处得到此错误？编辑后它现在正在工作。感谢您的努力。
Cities,Start_date,End_date,data_avail
A,1-03-2000,1-03-2012,12
B,1-12-2002,1-12-2005,3
C,1-04-2000,1-04-2010,10
D,1-04-2009,1-04-2016,7
E,1-04-2003,1-05-2007,5

  Cities Start_date   End_date  data_avail
0      A 2000-01-03 2012-01-03          12
2      C 2000-01-04 2010-01-04          10
4      E 2003-01-04 2007-01-05           5