添加一个'；1'；如果一个值在Python中的两倍之间，则返回到单元格

我已经将一个Excel文件导入到一个数据框中，该数据框中有一个名为“Opened”的列，其中有打开某个文件的日期和时间

我希望有一个标记为“07:01-09:00”的新列，并且每一行在这段时间内都有一个打开的时间，我希望在该列的同一行上添加一个“1”

到目前为止，我有这个

Opened                            
2020-04-14 14:45:58 
2020-04-07 17:53:49 
2020-04-07 07:10:14 
2020-04-06 23:11:13 

我想要的是

Opened                07:01 - 09:00              
2020-04-14 14:45:58 
2020-04-07 17:53:49 
2020-04-07 07:10:14         1
2020-04-06 23:11:13 

因此，不包含列中指定的时间间隔的单元格不会在单元格中获得“1”

能做到的人会的

一些代码

import pandas as pd
data = pd.read_excel('opened.xlsx')
fmt = '%m/%d/%Y %H:%M:%S'

data['Opened'] = pd.to_datetime(data['Opened'],
                                     format=fmt,
                                     errors='coerce')

---

将日期设置为索引，并使用pandas获取ur值：

df = df.set_index('Opened')

df.loc[df.between_time('07:01','09:00').index, '07:01 - 09:00'] = 1


                      07:01 - 09:00
Opened  
2020-04-14 14:45:58          NaN
2020-04-07 17:53:49          NaN
2020-04-07 07:10:14          1
2020-04-06 23:11:13          NaN

---

将日期设置为索引，并使用pandas获取ur值：

df = df.set_index('Opened')

df.loc[df.between_time('07:01','09:00').index, '07:01 - 09:00'] = 1


                      07:01 - 09:00
Opened  
2020-04-14 14:45:58          NaN
2020-04-07 17:53:49          NaN
2020-04-07 07:10:14          1
2020-04-06 23:11:13          NaN

使用次数，然后通过测试位置进行测试：

idx = df.set_index('Opened').index.indexer_between_time('07:01','09:00')

#if default index RangeIndex
#df['07:01 - 09:00'] = df.index.isin(idx).astype(int)
#any index
df['07:01 - 09:00'] = np.in1d(np.arange(len(df)), idx).astype(int)
print (df)
               Opened  07:01 - 09:00
0 2020-04-14 14:45:58              0
1 2020-04-07 17:53:49              0
2 2020-04-07 07:10:14              1
3 2020-04-06 23:11:13              0

或者，如果需要空值（输出中存在混合数据，因此在下一次处理中可能出现问题），则可以使用：

使用次数，然后通过测试位置进行测试：

idx = df.set_index('Opened').index.indexer_between_time('07:01','09:00')

#if default index RangeIndex
#df['07:01 - 09:00'] = df.index.isin(idx).astype(int)
#any index
df['07:01 - 09:00'] = np.in1d(np.arange(len(df)), idx).astype(int)
print (df)
               Opened  07:01 - 09:00
0 2020-04-14 14:45:58              0
1 2020-04-07 17:53:49              0
2 2020-04-07 07:10:14              1
3 2020-04-06 23:11:13              0

或者，如果需要空值（输出中存在混合数据，因此在下一次处理中可能出现问题），则可以使用：

---

那很有效！我没想过要用Numpy！那很有效！我没想过要用Numpy！