Python返回时间数据在2个值之间的对应单元格_Python_Python 3.x_Pandas

Python返回时间数据在2个值之间的对应单元格

python python-3.x pandas

Python返回时间数据在2个值之间的对应单元格,python,python-3.x,pandas,Python,Python 3.x,Pandas,目前我正在编写一些软件来做数据分析。我的代码有点问题，现在一些数据被错误的时间值破坏了。我希望python找到时间值介于00:00:00和03:59:00之间的数据行，并从同一行返回相应的“Ticker”和“Exchange”值，但不幸的是，我在完成这项工作时遇到问题，希望这里的人能帮我解决示例数据帧： Ticker Exchange Date Time 0 AAPL NASDAQ 20200501 01:00:00 1 AAPL NASDAQ

目前我正在编写一些软件来做数据分析。我的代码有点问题，现在一些数据被错误的时间值破坏了。我希望python找到时间值介于00:00:00和03:59:00之间的数据行，并从同一行返回相应的“Ticker”和“Exchange”值，但不幸的是，我在完成这项工作时遇到问题，希望这里的人能帮我解决

示例数据帧：

   Ticker Exchange      Date      Time
0    AAPL   NASDAQ  20200501  01:00:00
1    AAPL   NASDAQ  20200501  02:00:00
2    AAPL   NASDAQ  20200501  03:00:00
3    AAPL   NASDAQ  20200502  01:00:00
4    AAPL   NASDAQ  20200502  02:00:00
5    AAPL   NASDAQ  20200502  03:00:00
6    TSLA   NASDAQ  20200501  05:00:00
7    TSLA   NASDAQ  20200501  06:00:00
8    TSLA   NASDAQ  20200501  07:00:00
9    TSLA   NASDAQ  20200502  05:00:00
10   TSLA   NASDAQ  20200502  06:00:00
11   TSLA   NASDAQ  20200502  07:00:00

示例输出：

  Ticker Exchange
0   AAPL   NASDAQ

在这种情况下，“纳斯达克”交易所的“AAPL”股票的时间值介于00:00:00和03:59:00之间，因此python应该将股票代码和交易所返回给我

我希望我能说清楚，这里有人能帮我

复制粘贴的示例代码：

import pandas as pd

df1 = pd.DataFrame({'Ticker': ['AAPL', 'AAPL', 'AAPL', 'AAPL', 'AAPL', 'AAPL','TSLA', 'TSLA', 'TSLA', 'TSLA', 'TSLA', 'TSLA'],
                'Exchange': ['NASDAQ','NASDAQ','NASDAQ','NASDAQ','NASDAQ','NASDAQ','NASDAQ','NASDAQ','NASDAQ','NASDAQ','NASDAQ','NASDAQ'],
                'Date': [20200501, 20200501, 20200501, 20200502, 20200502, 20200502, 20200501, 20200501, 20200501, 20200502, 20200502, 20200502],
                'Time': ['01:00:00','02:00:00','03:00:00','01:00:00','02:00:00','03:00:00','05:00:00','06:00:00','07:00:00','05:00:00','06:00:00','07:00:00',]})
print(df1)

output = pd.DataFrame({'Ticker': ['AAPL'],
                'Exchange': ['NASDAQ']})

print(output)


#Code from MaKaNu that results in error: "TypeError: cannot astype a datetimelike from [datetime64[ns]] to [int32]"

minimal = pd.DataFrame({'time': [pd.to_datetime('00:00:00')]})
maximal = pd.DataFrame({'time': [pd.to_datetime('03:59:00')]})

#The lines below give the error
minimal = pd.to_datetime(minimal['time']).astype(int) / 10**9
maximal = pd.to_datetime(maximal['time']).astype(int) / 10**9

df_unix_sec = pd.to_datetime(df1['Time']).astype(int) / 10**9

series = df_unix_sec.between(minimal[0], maximal[0])
result = df1.loc[series == True][['Ticker', 'Exchange']].loc[0]
print(result)

要在两个条件之间进行比较，第一步是从字符串中创建数值。为了保持连续性，我创建了两个小数据帧，其中只有最小值和最大值

minimal=pd.DataFrame（{'time'：[pd.to_datetime（'0:00:00'）]））
maximal=pd.DataFrame（{'time'：[pd.to_datetime（'3:59:00'）]}）

然后使用函数

pd.to_datetime

将其设置为整数，并将其除以10的幂9，以创建合理的值

minimal=pd.to_datetime（minimal['time']）。astype（int）/10**9
maximal=pd.to_datetime（maximal['time']）。aType（int）/10**9

下一步是对原始数据帧中的列

'Time'

执行相同的操作

df_unix_sec=pd.to_datetime（df1['Time']）。astype（int）/10**9

最后一步，我使用了内置函数

between

，并使用

minimal

和

maximal

中的第一个条目作为参数

print（df_unix_sec.between（最小[0]，最大[0]））

我打印的结果是一个带有布尔值的熊猫系列：

0 True
1正确
2正确
3正确
4正确
5对
6错误
7错误
8错误
9错误
10错误
11错误
名称：时间，数据类型：布尔

正如您所见，条件之间的所有值均为真

现在我们只保存这个系列，并将它们用作原始数据帧的掩码

series=df_unix_sec.between（最小[0]，最大[0]）
打印（df1.loc[series==True]）

结果如下所示：

股票交换日期时间
0 AAPL纳斯达克20200501 01:00:00
1 AAPL纳斯达克20200501 02:00:00
2 AAPL纳斯达克20200501 03:00:00
3 AAPL纳斯达克20200502 01:00:00
4 AAPL纳斯达克20200502 02:00:00
5 AAPL纳斯达克20200502 03:00:00

如果您只需要从您的问题中输出示例：

result=df1.loc[series==True][[Ticker'，Exchange']].loc[0]
打印（结果）

结果:

Ticker-AAPL
纳斯达克交易所
名称：0，数据类型：对象