Pandas의 특정 날짜 범위 내에서 DataFrame 행을 효율적으로 선택하는 방법은 무엇입니까?

두 날짜 사이의 DataFrame 행 선택

소개

시계열 데이터 작업 시 , 날짜 범위를 기준으로 특정 행을 선택해야 하는 경우가 많습니다. 이 문서에서는 Pandas DataFrames에서 이를 달성하기 위한 두 가지 방법을 살펴봅니다.

방법 1: 부울 마스크

1. 날짜 열이 dtype이 포함된 시리즈인지 확인하세요. datetime64[ns]:

   df['date'] = pd.to_datetime(df['date'])

   로그인 후 복사

2. 시작 날짜와 종료 날짜가 포함된 비교 연산자를 사용하여 부울 마스크를 만듭니다.

   mask = (df['date'] > start_date) & (df['date'] <= end_date)

   로그인 후 복사

3. 선택 하위 DataFrame을 사용하여 마스크:

   df.loc[mask]

   로그인 후 복사
4. 선택적으로 하위 DataFrame을 df에 다시 할당합니다.

방법 2: DatetimeIndex

1. 날짜 열을 색인:

   df = df.set_index(['date'])

   로그인 후 복사

2. 날짜 범위를 사용하여 DataFrame 분할:

   df.loc[start_date:end_date]

   로그인 후 복사

예

날짜 열이 있는 DataFrame을 생각해 보세요. 다음 코드는 부울 마스크 방법을 사용하여 '2000-06-01'과 '2000-06-10' 사이의 행을 선택합니다.

import pandas as pd

df = pd.DataFrame({
    'date': pd.date_range('2000-1-1', periods=200, freq='D'),
    'value': np.random.rand(200)
})

mask = (df['date'] > '2000-06-01') & (df['date'] <= '2000-06-10')
result_df = df[mask]

결과에는 6월 1일부터 10일까지의 행이 포함됩니다. 2000.

비교

• 부울 마스크 방법이 더 유연하고 더 복잡한 날짜 비교가 가능합니다.
• DatetimeIndex 방법이 더 빠릅니다. 반복되는 날짜 범위 선택의 경우.
• parse_dates 사용 pd.read_csv를 사용하면 날짜 열을 datetime64s로 변환할 필요가 없습니다.

위 내용은 Pandas의 특정 날짜 범위 내에서 DataFrame 행을 효율적으로 선택하는 방법은 무엇입니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!