pandas 按日期过滤|极客笔记

pandas 按日期过滤

在数据分析和处理中，经常会遇到需要按照日期进行数据过滤的情况。Pandas 是一个强大的数据分析库，它提供了丰富的功能来处理日期时间数据。本文将详细介绍如何使用 Pandas 按照日期来过滤数据。

1. 导入 Pandas 库

首先，我们需要导入 Pandas 库来进行数据处理。如果您还没有安装 Pandas 库，可以使用以下命令来进行安装：

pip install pandas

然后在 Python 脚本中导入 Pandas 库：

import pandas as pd

2. 创建示例数据

为了方便演示，我们先创建一个包含日期时间数据的示例数据集。假设我们有一个包含销售数据的 DataFrame，其中包含日期和销售额两列：

data = {'date': ['2020-01-01', '2020-01-02', '2020-01-03', '2020-01-04', '2020-01-05'],
        'sales': [100, 150, 200, 120, 180]}

df = pd.DataFrame(data)
df['date'] = pd.to_datetime(df['date'])  # 将日期列转换为 datetime 类型
print(df)

运行以上代码，我们可以看到创建的示例数据集：

        date  sales
0 2020-01-01    100
1 2020-01-02    150
2 2020-01-03    200
3 2020-01-04    120
4 2020-01-05    180

3. 按日期过滤数据

3.1 按日期范围过滤数据

我们可以使用 Pandas 的 loc 方法来根据日期范围来过滤数据。例如，我们想要选择 2020 年 1 月 1 日到 2020 年 1 月 3 日之间的数据：

start_date = '2020-01-01'
end_date = '2020-01-03'

filtered_df = df.loc[(df['date'] >= start_date) & (df['date'] <= end_date)]
print(filtered_df)

运行以上代码，我们可以得到按日期范围过滤后的数据：

        date  sales
0 2020-01-01    100
1 2020-01-02    150
2 2020-01-03    200

3.2 按特定日期过滤数据

除了按日期范围过滤数据，我们也可以按照特定的日期来过滤数据。例如，我们想选择 2020 年 1 月 2 日的销售数据：

specific_date = '2020-01-02'

filtered_df = df.loc[df['date'] == specific_date]
print(filtered_df)

运行以上代码，我们可以得到按特定日期过滤后的数据：

        date  sales
1 2020-01-02    150

4. 处理时分秒

有时候，日期时间数据中还包含时分秒的信息。如果我们只需要按照日期进行过滤，可以先将日期截断到天，然后进行过滤。例如，我们只保留日期部分，并按照日期过滤数据：

df['date'] = df['date'].dt.normalize()  # 截断日期到天

filtered_df = df.loc[df['date'] == pd.to_datetime('2020-01-02')]
print(filtered_df)

运行以上代码，我们可以得到按日期过滤后的数据，时分秒被截断：

        date  sales
1 2020-01-02    150

5. 总结

本文详细介绍了如何使用 Pandas 按照日期进行数据过滤。通过 loc 方法和日期时间处理函数，我们可以轻松地对日期时间数据进行过滤和处理。

pandas 按日期过滤