Как я могу срезать фрейм данных по метке времени, когда метка времени не классифицируется как индекс?

Как я могу разделить свой кадр данных pandas, используя метку времени?Как я могу срезать фрейм данных по метке времени, когда метка времени не классифицируется как индекс?

Я получил следующие цены, когда я звоню df30m:

   Timestamp Open High  Low Close  Volume 
0 2016-05-01 19:30:00 449.80 450.13 449.80 449.90 74.1760 
1 2016-05-01 20:00:00 449.90 450.27 449.90 450.07 63.5840 
2 2016-05-01 20:30:00 450.12 451.00 450.02 450.51 64.1080 
3 2016-05-01 21:00:00 450.51 452.05 450.50 451.22 75.7390 
4 2016-05-01 21:30:00 451.21 451.64 450.81 450.87 71.1190 
5 2016-05-01 22:00:00 450.87 452.05 450.87 451.07 73.8430 
6 2016-05-01 22:30:00 451.09 451.70 450.91 450.91 68.1490 
7 2016-05-01 23:00:00 450.91 450.98 449.97 450.61 84.5430 
8 2016-05-01 23:30:00 450.61 451.50 450.55 451.45 111.2370 
9 2016-05-02 00:00:00 451.47 452.31 450.69 451.19 190.0750 
10 2016-05-02 00:30:00 451.20 451.68 450.45 450.82 186.0930 
11 2016-05-02 01:00:00 450.83 451.64 450.65 450.73 112.4630 
12 2016-05-02 01:30:00 450.73 451.10 450.31 450.56 137.7530 
13 2016-05-02 02:00:00 450.56 452.01 449.98 450.27 151.6140 
14 2016-05-02 02:30:00 450.27 451.30 450.23 451.11 99.5490 
15 2016-05-02 03:00:00 451.29 451.29 450.17 450.33 178.9860 
16 2016-05-02 03:30:00 450.44 451.20 450.44 450.75 65.1480 
17 2016-05-02 04:00:00 450.79 451.20 450.75 451.00 78.0430 
18 2016-05-02 04:30:00 451.00 451.11 450.85 451.11 64.7250 
19 2016-05-02 05:00:00 451.11 451.64 451.00 451.12 73.4840 
20 2016-05-02 05:30:00 451.12 451.83 450.67 451.33 94.1950 
21 2016-05-02 06:00:00 451.35 451.37 450.17 450.18 227.7480 
22 2016-05-02 06:30:00 450.18 450.43 450.17 450.17 83.0270 
23 2016-05-02 07:00:00 450.17 450.43 448.90 449.41 170.4950 
24 2016-05-02 07:30:00 449.38 450.00 448.56 448.56 243.0420 
25 2016-05-02 08:00:00 448.67 448.67 446.21 448.00 525.7090 
26 2016-05-02 08:30:00 448.12 448.49 445.00 445.00 673.5810 
27 2016-05-02 09:00:00 445.00 445.51 440.11 444.20 1392.9049 
28 2016-05-02 09:30:00 444.24 444.36 440.11 442.00 438.6860 
29 2016-05-02 10:00:00 441.91 443.20 440.05 442.24 400.5850 
...     ...  ...  ...  ...  ...  ... 
1651 2016-06-05 05:00:00 578.74 579.00 577.92 578.39 93.6980 
1652 2016-06-05 05:30:00 578.40 578.48 574.52 575.26 98.1580 
1653 2016-06-05 06:00:00 575.24 576.02 572.47 574.06 126.8620 
1654 2016-06-05 06:30:00 574.06 576.35 574.06 576.34 125.4120 
1655 2016-06-05 07:00:00 576.34 576.34 574.73 575.83 34.8070 
1656 2016-06-05 07:30:00 575.84 576.27 574.91 575.58 74.8180 
1657 2016-06-05 08:00:00 575.58 578.57 575.58 578.36 123.2560 
1658 2016-06-05 08:30:00 578.23 578.47 576.18 577.25 43.6590 
1659 2016-06-05 09:00:00 577.20 578.85 576.70 577.27 95.3900 
1660 2016-06-05 09:30:00 577.36 578.18 576.70 576.70 51.0250 
1661 2016-06-05 10:00:00 576.70 576.70 574.55 575.39 101.0590 
1662 2016-06-05 10:30:00 575.41 576.44 575.18 576.44 86.4340 
1663 2016-06-05 11:00:00 576.50 577.89 576.50 577.80 113.0600 
1664 2016-06-05 11:30:00 577.80 578.10 576.03 576.98 57.5050 
1665 2016-06-05 12:00:00 576.98 577.55 576.59 577.54 56.1070 
1666 2016-06-05 12:30:00 577.54 583.00 570.93 572.82 872.8200 
1667 2016-06-05 13:00:00 572.94 573.19 569.64 572.50 310.0020 
1668 2016-06-05 13:30:00 572.50 574.37 572.50 574.09 59.3410 
1669 2016-06-05 14:00:00 574.09 574.19 571.51 572.98 155.4310 
1670 2016-06-05 14:30:00 572.98 573.57 572.02 573.47 76.9270 
1671 2016-06-05 15:00:00 573.62 575.10 572.97 573.37 59.1430 
1672 2016-06-05 15:30:00 573.37 574.39 573.37 574.38 77.3270 
1673 2016-06-05 16:00:00 574.39 575.59 574.38 575.59 52.0150 
1674 2016-06-05 16:30:00 575.00 575.59 574.50 575.00 66.9300 
1675 2016-06-05 17:00:00 575.00 576.83 574.38 576.60 50.2990 
1676 2016-06-05 17:30:00 576.60 577.50 575.50 576.86 104.5200 
1677 2016-06-05 18:00:00 576.86 577.21 575.44 575.80 55.3270 
1678 2016-06-05 18:30:00 575.77 575.80 574.52 574.77 78.7760 
1679 2016-06-05 19:00:00 574.73 575.18 572.52 574.47 126.4300 
1680 2016-06-05 19:30:00 574.49 574.87 573.80 574.32 10.4930

Как вы можете видеть, она содержит последние 35 дней, сгруппированных по интервалам 30 мин.

Я хочу управлять этой историей цен в разных временных окнах.

Итак, в качестве примера для начинающих я хотел бы получить только информацию за последние 1 день.

Как я могу отфильтровать этот информационный кадр, чтобы показывать информацию за последние 1 день?

Это то, что я пробовал:

import datetime 

d0 = datetime.datetime.today() 
d1 = datetime.datetime.today() - datetime.timedelta(days=1) 

print d0 
>>> 2016-06-05 17:10:37.633824 

print d1 
>>> 2016-06-04 17:10:37.633967 

df_1d = df30m['Timestamp'] > d1 

print df_1d

Это возвращает мне панд серию наполненную Правда или Ложь

0 False 
1 False 
2 False 
3 False 
4 False 
... 
1676 True 
1677 True 
1678 True 
1679 True 
1680 True

Также я пытался использовать between_time() модуль.

df_1d = df30m.between_time(d0, d1)

Но я получил следующее сообщение об ошибке:

TypeError: Index must be DatetimeIndex

Пожалуйста, может кто-нибудь показать мне вещий способ нарезать мой dataframe?

источник

2016-06-05 dot.Py

Вы можете использовать loc для индексации ваших данных. Знаете ли вы, что ваши временные метки в форматах datetime.datetime или Pandas Timestamps?

df30m.loc[(df30m.Timestamp <= d0) & (df30m.Timestamp >= d1)]

Вы можете установить индекс столбца Timestamp, а затем индекс следующим образом:

df.set_index('Timestamp', inplace=True) 
df[d1:d0]

источник

2016-06-05 20:38:16 Alexander

О! Это работает ... Это то, что я называю pythonic. О формате timestamp, как я могу проверить это? –

'type (df.Timestamp.iat [0])' для проверки типа. – Alexander

'<класс 'pandas.tslib.Timestamp'>' –

Как я могу срезать фрейм данных по метке времени, когда метка времени не классифицируется как индекс?

ответ

Смежные вопросы