Python 具有日期时间列的数据帧子集
接下来,如果使用Python 具有日期时间列的数据帧子集,python,pandas,date,dataframe,subset,Python,Pandas,Date,Dataframe,Subset,接下来,如果使用idx.min,熊猫数据帧是一个字符串变量和一个日期时间变量的子集,我们如何通过两个日期时间变量来子集?对于下面的示例数据框,我们如何将类==C中的行与最小基本日期和最大日期日期进行子集划分?[答案是第3排]: print(example) slot_id class day base_date date_2 0 1 A Monday 2019-01-21 2019-01-24 1 2 B
idx.min
,熊猫数据帧是一个字符串变量和一个日期时间变量的子集,我们如何通过两个日期时间变量来子集?对于下面的示例数据框,我们如何将类==C
中的行与最小基本日期
和最大日期
日期进行子集划分?[答案是第3排]:
print(example)
slot_id class day base_date date_2
0 1 A Monday 2019-01-21 2019-01-24
1 2 B Tuesday 2019-01-22 2019-01-23
2 3 C Wednesday 2019-01-22 2019-01-24
3 4 C Wednesday 2019-01-22 2019-01-26
4 5 C Wednesday 2019-01-24 2019-01-25
5 6 C Thursday 2019-01-24 2019-01-22
6 7 D Tuesday 2019-01-23 2019-01-24
7 8 E Thursday 2019-01-24 2019-01-30
8 9 F Saturday 2019-01-26 2019-01-31
对于具有最小基准日期的class==“C”
,我们可以使用:
df.iloc[pd.to_datetime(df.loc[df['class'] == 'C', 'base_date']).idxmin()]
但是,如果我们有2个或更多的日期变量,条件是max/min,那么索引解决方案是否仍然可行?使用2个或更多变量的索引子集不意味着嵌套df.iloc
?这是使用2个或更多datetime变量生成子集的唯一方法吗
数据:
print(example.to_dict())
{'slot_id': {0: 1, 1: 2, 2: 3, 3: 4, 4: 5, 5: 6, 6: 7, 7: 8, 8: 9}, 'class': {0: 'A', 1: 'B', 2: 'C', 3: 'C', 4: 'C', 5: 'C', 6: 'D', 7: 'E', 8: 'F'}, 'day': {0: 'Monday', 1: 'Tuesday', 2: 'Wednesday', 3: 'Wednesday', 4: 'Wednesday', 5: 'Thursday', 6: 'Tuesday', 7: 'Thursday', 8: 'Saturday'}, 'base_date': {0: datetime.date(2019, 1, 21), 1: datetime.date(2019, 1, 22), 2: datetime.date(2019, 1, 22), 3: datetime.date(2019, 1, 22), 4: datetime.date(2019, 1, 24), 5: datetime.date(2019, 1, 24), 6: datetime.date(2019, 1, 23), 7: datetime.date(2019, 1, 24), 8: datetime.date(2019, 1, 26)}, 'date_2': {0: datetime.date(2019, 1, 24), 1: datetime.date(2019, 1, 23), 2: datetime.date(2019, 1, 24), 3: datetime.date(2019, 1, 26), 4: datetime.date(2019, 1, 25), 5: datetime.date(2019, 1, 22), 6: datetime.date(2019, 1, 24), 7: datetime.date(2019, 1, 30), 8: datetime.date(2019, 1, 31)}}
数据预处理:
example = pd.DataFrame(example)
example['base_date'] = pd.to_datetime(example['base_date'].astype(str), format='%d%m%Y')
example['base_date'] = example['base_date'].dt.date
example['date_2'] = pd.to_datetime(example['date_2'].astype(str), format='%d%m%Y')
example['date_2'] = example['date_2'].dt.date
您可以使用transform
yourdf=example[example['base_date']==example.groupby('class')['base_date'].transform('min')]
如果只针对C列
yourdf.loc[yourdf['class']=='C',:]
而且idxmin
或idxmax
将只返回满足最小值或最大值条件的第一个索引,因此当存在多个最大值或最小值时,它们仍然只显示一个索引