熊猫，python-如何在时间序列中选择特定时间

我现在使用python和pandas分析一组每小时的数据已经有相当长的一段时间了，我发现它非常好（来自Matlab）

现在我有点困了。我创建了我的

DataFrame

，如下所示：

SamplingRateMinutes=60
index = DateRange(initialTime,finalTime, offset=datetools.Minute(SamplingRateMinutes))
ts=DataFrame(data, index=index)

myIndex=ts.index[10<=ts.index.hour<=13 or 20<=ts.index.hour<=23]
selectedData=ts[myIndex]

我现在要做的是选择10-13和20-23小时的所有日期的数据，以使用这些数据进行进一步计算。 到目前为止，我使用

 selectedData=ts[begin:end]

我肯定会得到某种脏循环来选择所需的数据。但必须有一种更优雅的方法来精确索引我想要的东西。我确信这是一个常见的问题，伪代码中的解决方案应该是这样的：

SamplingRateMinutes=60
index = DateRange(initialTime,finalTime, offset=datetools.Minute(SamplingRateMinutes))
ts=DataFrame(data, index=index)

myIndex=ts.index[10<=ts.index.hour<=13 or 20<=ts.index.hour<=23]
selectedData=ts[myIndex]

---

myIndex=ts.index[10这里有一个例子可以满足您的需要：

In [32]: from datetime import datetime as dt

In [33]: dr = p.DateRange(dt(2009,1,1),dt(2010,12,31), offset=p.datetools.Hour())

In [34]: hr = dr.map(lambda x: x.hour)

In [35]: dt = p.DataFrame(rand(len(dr),2), dr)

In [36]: dt 

Out[36]: 
<class 'pandas.core.frame.DataFrame'>
DateRange: 17497 entries, 2009-01-01 00:00:00 to 2010-12-31 00:00:00
offset: <1 Hour>
Data columns:
0    17497  non-null values
1    17497  non-null values
dtypes: float64(2)

In [37]: dt[(hr >= 10) & (hr <=16)]

Out[37]: 
<class 'pandas.core.frame.DataFrame'>
Index: 5103 entries, 2009-01-01 10:00:00 to 2010-12-30 16:00:00
Data columns:
0    5103  non-null values
1    5103  non-null values
dtypes: float64(2)

[32]中的
from datetime导入datetime作为dt
在[33]中：dr=p.DateRange（dt（2009,1,1），dt（2010,12,31），offset=p.datetools.Hour（））
In[34]：hr=dr.map（λx:x.hour）
In[35]：dt=p.DataFrame（rand（len（dr），2），dr）
In[36]：dt
出[36]：
日期范围：17497条条目，2009-01-01 00:00:00至2010-12-31 00:00:00
抵消：
数据列：
0 17497非空值
1 17497非空值
数据类型：float64（2）
在[37]：dt[（hr>=10）和（hr中，在即将到来的pandas 0.8.0中，您将能够编写

hour = ts.index.hour
selector = ((10 <= hour) & (hour <= 13)) | ((20 <= hour) & (hour <= 23))
data = ts[selector]

hour=ts.index.hour
选择器=（（10由于我上面的评论看起来很混乱，我决定提供另一个答案，这是Marc答案上pandas 0.10.0的语法更新，并结合Wes的提示：

import pandas as pd
from datetime import datetime

dr = pd.date_range(datetime(2009,1,1),datetime(2010,12,31),freq='H')
dt = pd.DataFrame(rand(len(dr),2),dr)
hour = dt.index.hour
selector = ((10 <= hour) & (hour <= 13)) | ((20<=hour) & (hour<=23))
data = dt[selector]

将熊猫作为pd导入
从日期时间导入日期时间
dr=pd.date_范围（datetime（2009,1,1），datetime（2010,12,31），freq='H'）
dt=pd.数据帧（兰特（兰特（兰特），2，兰特）
小时=dt.index.hour
选择器=（（10DataFrame有一个内置函数

为每个时间段创建2个数据帧：

df1 = df.between_time(start_time='10:00', end_time='13:00') 
df2 = df.between_time(start_time='20:00', end_time='23:00')

所需的数据帧合并并排序为df1和df2：

pd.concat([df1, df2], axis=0).sort_index()

下面是如何用0.10的语法实现此解决方案，并将其与下面Wes的答案结合起来：
dr=pd.date\u range（dt（2009,1,1），dt（2010,12,31），freq='H'）；dt=pd.DataFrame（rand（len（dr），2），dr）；hour=dt.index.hour；选择器=（（10）dt包和dt变量有冲突