时间戳

首页 > 解决方案 > 在 Pandas 中使用条件动态过滤基于数据框的日期

python - 在 Pandas 中使用条件动态过滤基于数据框的日期

问题描述

我正在尝试根据日期字段过滤数据框。

 Date    Value
201810   100
201811   150
201812   95
201901   125
201902   150
201903   200
201904   225

过滤是动态完成的。例如，第一个日期和结束日期不应该是“硬编码”。所以我的方法如下：

month = pd.DataFrame(set(df['Date']),columns=['Date'])
df['Date'] = pd.to_datetime(df['Date'],format='%Y%m)

从这里开始，我必须根据日期进行过滤并创建一个新的数据框。在这是最后一个日期，比如 201903。

dt_first = month['Date'].head(1)   <---first date is being dynamically created
dt_last = month.iloc[-2]           <-- last date, dynamically created. 
df_filter = df[(df.Date.ge(dt_first))&(df.Date.le(dt_last))]

但最后一行是生成一个空白数据框。结果数据框应如下所示

 Date    Value
 201810   100
 201811   150
 201812   95
 201901   125
 201902   150
 201903   200

我知道我错过了一些东西。

有人可以建议如何根据条件有效过滤上述数据框吗？

标签： pythonpandas

解决方案

Here is necessary compare by scalar, so is extracted first and last value of column by Series.iat:

Btw, if compare by ge for greater or equal in sorted values with first val it match all data, so this condition always return Trues, so should be removed with same output:

df['Date'] = pd.to_datetime(df['Date'],format='%Y%m')

df_filter = df[(df.Date.ge(df['Date'].iat[0]))&(df.Date.lt(df['Date'].iat[-1]))]

Same like:

df_filter = df[(df.Date.lt(df['Date'].iat[-1]))]

print (df)
        Date  Value
0 2018-10-01    100
1 2018-11-01    150
2 2018-12-01     95
3 2019-01-01    125
4 2019-02-01    150
5 2019-03-01    200
6 2019-04-01    225

推荐阅读