Python 如果数据帧中存在上一个和下一个索引值，则获取它们

假设我有一个数据帧

df = pd.DataFrame(dict(vals=np.random.randint(0, 10, 10)),
                  index=pd.date_range('20170401', '20170410'))

>>> df
               vals
2017-04-01     9
2017-04-02     8
2017-04-03     4
2017-04-04     5
2017-04-05     9
2017-04-06     9
2017-04-07     5
2017-04-08     3
2017-04-09     3
2017-04-10     1

我知道某个日期在我的索引中，但不知道它的位置，例如

cur_dt = df.index[np.random.randint(0, df.index.size)]

>>> cur_dt
Timestamp('2017-04-05 00:00:00', freq='D')

给定

cur_dt

，我想确定索引中的上一个和下一个值是什么。如果

cur_dt

是我索引中的第一个（最后一个）值，那么上一个（下一个）元素应该是

cur_dt

本身

总而言之，我的问题是，，在给定当前值的情况下，查找索引中上一个和下一个值（或当前值本身，如果它是端点）的最简单方法是什么

---

我目前的做法似乎有些迂回，这就是我提出问题的动机

cur_iloc = df.index.get_loc(cur_dt)
prev = cur_dt if cur_iloc == 0 else df.index[cur_iloc-1]
next = cur_dt if cur_iloc == df.index.size-1 else df.index[cur_iloc+1]

>>> prev
Timestamp('2017-04-04 00:00:00', freq='D')
>>> next
Timestamp('2017-04-06 00:00:00', freq='D')

---

如果没有更直截了当的方法，那么我道歉。我想象着能够将我的索引从当前值向前和向后“移动”一次（对端点进行一些很好的处理），但不确定这是否可行

假设索引已排序，请尝试使用：

源数据集：

In [185]: df
Out[185]:
            vals
2017-04-01     5
2017-04-02     3
2017-04-03     9
2017-04-04     8
2017-04-05     1
2017-04-06     0
2017-04-07     4
2017-04-08     5
2017-04-09     1
2017-04-10     8

In [186]: cur_dt
Out[186]: Timestamp('2017-04-02 00:00:00', freq='D')

In [187]: idx = np.searchsorted(df.index, cur_dt)

In [188]: df.index[max(0, idx-1)]
Out[188]: Timestamp('2017-04-01 00:00:00', freq='D')

In [189]: df.index[min(idx+1, len(df)-1)]
Out[189]: Timestamp('2017-04-03 00:00:00', freq='D')

解决方案：

In [185]: df
Out[185]:
            vals
2017-04-01     5
2017-04-02     3
2017-04-03     9
2017-04-04     8
2017-04-05     1
2017-04-06     0
2017-04-07     4
2017-04-08     5
2017-04-09     1
2017-04-10     8

In [186]: cur_dt
Out[186]: Timestamp('2017-04-02 00:00:00', freq='D')

In [187]: idx = np.searchsorted(df.index, cur_dt)

In [188]: df.index[max(0, idx-1)]
Out[188]: Timestamp('2017-04-01 00:00:00', freq='D')

In [189]: df.index[min(idx+1, len(df)-1)]
Out[189]: Timestamp('2017-04-03 00:00:00', freq='D')

---

重置索引，然后使用布尔逻辑识别

cur\u dt

的位置，如下所示：

df = df.reset_index()
cur_dt_index = df.index[np.random.randint(0, df['index'].size)]
previous = max(cur_dt_index-1, 0)
next = min(cur_dt_index + 1, df.shape[0])

---

创建一个新的timeseries ts，其索引与df相同，df将存储以前的索引（并确保ts的索引已排序），然后简单地将ts移位1

ts=pd.Series(df.index,index=df.index).sort_index().shift(1)

---

（如果只需查找上一个索引一次，则速度可能会较慢，但如果需要多次查找，则速度会更快。）

Ah这是一种改进，肯定会更清晰、更短。谢谢你，麦克斯！也许有一个问题：是否有什么特别的原因让我更喜欢

np.searchsorted

而不是

df.index.get_loc

？@Erickhansen，

df.index.get_loc

-可能比

np.searchsorted

更快（或更快）。我认为最好的方法是根据您的数据进行测试；-）这是公平的。还有一根骨头要挑；）我想应该是

len（df）-1

，不是吗？@erickhansen，是的，很好，谢谢！我在回答中已经改正了