pandas ，数据帧与datetime64列，按小时查询 [英] Pandas, dataframe with a datetime64 column, querying by hour

问题描述

我有一个熊猫数据框 df 其中有一列由 datetime64 组成，例如

 < class'pandas.core.frame.DataFrame'> 
 Int64Index：1471个条目，0到2940 
数据列（共2列）：
日期1471非空值
 id 1471非空值
 dtypes： datetime64 [ns]（1），int64（1）
  

我想对 df 使用一天中的小时（独立于日期中的其他信息）。例如，伪代码

  df_sub = df [（HOUR（df.date）> 8）& （HOUR（df.date）<20）] 
  

某些功能 HOUR 。

我猜这个问题可以通过从 datetime64 到 datetime 。这可以更有效地处理吗？

解决方案

找到一个简单的解决方案。

  df ['hour'] = df.date.apply（lambda x：x.hour）
 
 df_sub = df [（df.hour> 8）& （df.hour）< 20] 
  

---

编辑：

有一个属性 dt 专门介绍来处理这个问题。查询变成：

  df_sub = df [（df.date.dt.hour> 8）
& （df.date.dt.hour <20）] 
  

I have a pandas dataframe df which has one column constituted by datetime64, e.g.

<class 'pandas.core.frame.DataFrame'>
Int64Index: 1471 entries, 0 to 2940
Data columns (total 2 columns):
date    1471  non-null values
id      1471  non-null values
dtypes: datetime64[ns](1), int64(1)

I would like to sub-sample df using as criterion the hour of the day (independently on the other information in date). E.g., in pseudo code

df_sub = df[ (HOUR(df.date) > 8) & (HOUR(df.date) < 20) ]

for some function HOUR.

I guess the problem can be solved via a preliminary conversion from datetime64 to datetime. Can this be handled more efficiently?

解决方案

Found a simple solution.

df['hour'] = df.date.apply(lambda x : x.hour)

df_sub = df[(df.hour > 8) & (df.hour) <20]

---

EDIT:

There is a property dt specifically introduced to handle this problem. The query becomes:

df_sub = df[ (df.date.dt.hour > 8) 
              &  (df.date.dt.hour < 20) ]

这篇关于 pandas ，数据帧与datetime64列，按小时查询的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！