Python 如何按值对多列执行有序选择

我有一个包含月份和年份列的数据框架。两者都包含字符串，即“九月”和“2013”。如何在一行中选择2013年9月至2008年5月之间的所有行

df1 = stats_month_census_2[(stats_month_census_2['year'] <= '2013')
                 & (stats_month_census_2['year'] >= '2008')]

df2 = df1[...]

df1=stats\u month\u census\u 2[（stats\u month\u census\u 2['year']='2008'）]
df2=df1[…]

---

在上面的代码之后，我打算再次做同样的事情，但我很难想出聪明的代码来简单地去除时间高于2013年9月（“10月至12月”）和低于2008年5月的行。我可以很容易地硬编码，但必须有一种更具python风格的方法来实现这一点…

您可以创建

DatetimeIndex

，然后通过以下方式进行选择：

---

或创建列并用于：

不幸的是，对于所选的中间年份，datetime列的这种方式是不可能的，然后需要

pygo

解决方案和

year

列：

#wrong output
df = stats_month_census_2[stats_month_census_2['date'].between('2008', '2013')]
print (df)

   year  month  data       date
0  2008  April     1 2008-04-01
1  2008    May     3 2008-05-01
2  2008   June     4 2008-06-01

---

您可以使用以下命令轻松地将列转换为DateTime列

>df
月年
2000年1月0日
2001年4月1日
2002年7月2日
2010年2月3日
2018年2月4日
2014年3月5日
2012年6月6日
2011年6月7日
2009年5月8日
2016年11月9日
>>df['date']=pd.to_datetime（df['month'].astype（str）+'-'+df['year'].astype（str），格式=“%B-%Y”）
>>df
年月日
2000年1月0日2000-01-01
2001年4月1日2001-04-01
2002年7月2日2002-07-01
2010年2月3日2010-02-01
2018年2月4日2018-02-01
2014年3月5日2014-03-01
2012年6月6日2012-06-01
2011年6月7日2011-06-01
2009年5月8日2009-05-01
2016年11月9日2016-11-01
>>df[（df.date=“2008-05”）]
年月日
2010年2月3日2010-02-01
2012年6月6日2012-06-01
2011年6月7日2011-06-01
2009年5月8日2009-05-01

或者，如果您在“选择2013年9月至2008年5月期间的所有行”一文中要求查找2008年至2013年期间的行，您可以在下面进行尝试 然后使用：

数据集借用自@jezrael

用于演示的数据帧：

>>> stats_month_census_2
   year      month  data
0  2008      April     1
1  2008        May     3
2  2008       June     4
3  2013  September     6
4  2013    October     5
5  2014   November     6
6  2014   December     7

>>> stats_month_census_2.query('"2008-05" <= year <= "2013-09"')
        year      month  data
1 2008-05-01        May     3
2 2008-06-01       June     4
3 2013-09-01  September     6

使用

pandas.Series.between（）

>>> stats_month_census_2[stats_month_census_2['year'].between(2008, 2013, inclusive=True)]
   year      month  data
0  2008      April     1
1  2008        May     3
2  2008       June     4
3  2013  September     6
4  2013    October     5

如果只是

datetime

格式的问题，您可以简单地尝试以下内容：

>>> stats_month_census_2[stats_month_census_2['year'].between('2008-05', '2013-09', inclusive=True)]
        year      month  data
1 2008-05-01        May     3
2 2008-06-01       June     4
3 2013-09-01  September     6

使用DataFame.query:

>>> stats_month_census_2
   year      month  data
0  2008      April     1
1  2008        May     3
2  2008       June     4
3  2013  September     6
4  2013    October     5
5  2014   November     6
6  2014   December     7

>>> stats_month_census_2.query('"2008-05" <= year <= "2013-09"')
        year      month  data
1 2008-05-01        May     3
2 2008-06-01       June     4
3 2013-09-01  September     6

或者，你也可以像下面这样通过

>>> stats_month_census_2[stats_month_census_2['year'].isin(pd.date_range('2008-05', '2013-09'))]
        year      month  data
1 2008-05-01        May     3
2 2008-06-01       June     4
3 2013-09-01  September     6

使用基于索引开始和结束日期的切片法

Start = stats_month_census_2[stats_month_census_2['year'] =='2008-05'].index[0]
End = stats_month_census_2[stats_month_census_2['year']=='2013-09'].index[0]

>>> stats_month_census_2.loc[Start:End]
        year      month  data
1 2008-05-01        May     3
2 2008-06-01       June     4
3 2013-09-01  September     6

注意：为了满足@jezrael在评论中提出的好奇心，我添加了如何将

year

列转换为日期时间格式：

我们有下面的示例数据框，其中有两个不同的列

year

和

month

，其中year列只有years，month列是文本字符串格式，首先，我们需要使用pandas

pd.to\u datetime

方法将字符串转换为整数形式join或将年和月加在一起，将日期指定为1

df
   year      month  data
0  2008      April     1
1  2008        May     3
2  2008       June     4
3  2013  September     6
4  2013    October     5
5  2014   November     6
6  2014   December     7

上面是datetime转换之前的原始数据帧，因此，我采用了下面的方法，这是我在vi-So期间学习的方法

1-首先将

month

名称转换为int形式，并将其分配到名为

month

的新列中，这样我们以后就可以使用它进行转换

df['Month'] = pd.to_datetime(df.month, format='%B').dt.month

2-第二，或者最后，通过直接分配给

year

列本身，将year列直接转换为适当的

datetime

格式，这是一种我们可以说的内置格式

df['Date'] = pd.to_datetime(df[['year', 'Month']].assign(Day=1))

现在，所需的数据帧和

year

列为日期时间形式：

另一个解决方案：

假设df如下所示：

    series      name       Month     Year
0   fertility   rate       May       2008
1   CO2         emissions  June      2009
2   fertility   rate       September 2013
3   fertility   rate       October   2013
4   CO2         emissions  December  2014

创建日历字典映射并保存在新列中

import calendar
d = dict((v,k) for k,v in enumerate(calendar.month_abbr))
stats_month_census_2['month_int'] = stats_month_census_2.Month.apply(lambda x: x[:3]).map(d)

>>stats_month_census_2

    series      name      Month     Year    month_int
0   fertility   rate      May       2008    5
1   CO2         emissions June      2009    6
2   fertility   rate      September 2013    9
3   fertility   rate      October   2013    10
4   CO2         emissions December  2014    12

使用

series.between（）进行筛选

输出：

    series      name      Month      Year   month_int
0   fertility   rate      May        2008   5
1   CO2         emissions June       2009   6
2   fertility   rate      September  2013   9

---

“一排”是什么意思？请在输入和预期输出中加入一个小例子。能够发布几行数据帧，它看起来如何？这

df[df['year'].between（2008，2013，inclusive=True）]

有意义吗？年份列如何填充到日期时间？@jezrael，我不在我的甲板上，我用日期时间格式的方式考虑它，为了您的好奇，我将添加我知道的将年份列转换为日期时间的方法@耶斯雷尔，添加。。请查收。

print(df)
        year      month  data  Month
0 2008-04-01      April     1      4
1 2008-05-01        May     3      5
2 2008-06-01       June     4      6
3 2013-09-01  September     6      9
4 2013-10-01    October     5     10
5 2014-11-01   November     6     11
6 2014-12-01   December     7     12

    series      name       Month     Year
0   fertility   rate       May       2008
1   CO2         emissions  June      2009
2   fertility   rate       September 2013
3   fertility   rate       October   2013
4   CO2         emissions  December  2014

import calendar
d = dict((v,k) for k,v in enumerate(calendar.month_abbr))
stats_month_census_2['month_int'] = stats_month_census_2.Month.apply(lambda x: x[:3]).map(d)

>>stats_month_census_2

    series      name      Month     Year    month_int
0   fertility   rate      May       2008    5
1   CO2         emissions June      2009    6
2   fertility   rate      September 2013    9
3   fertility   rate      October   2013    10
4   CO2         emissions December  2014    12

stats_month_census_2[stats_month_census_2.month_int.between(5,9,inclusive=True) & stats_month_census_2.Year.between(2008,2013,inclusive=True)]

    series      name      Month      Year   month_int
0   fertility   rate      May        2008   5
1   CO2         emissions June       2009   6
2   fertility   rate      September  2013   9