时间序列：DataFrame数据查询方法 _DataFrame

文章插图
一起学习，一起成长！
DataFrame数据结构对查询方式是数据处理与分析中经常使用对。比如，我们通常使用对Excel数据文件，通常都是这种数据结构。所以，该数据结构对数据查询或称数据过滤方式极为重要，具体内容如下：
In [41]: dates=pd.date_range('1/1/2019',periods=100,freq='W-WED')
In [42]: long_df=DataFrame(np.random.randn(100,4),index=dates,columns=['字段1','字段2','字段3','字段4'])
字符串查询In [43]: long_df['1/2019']
Out[43]:
字段1 字段2 字段3 字段4
2019-01-02 -0.612222 -1.040934 2.082731 1.348500
2019-01-09 -0.335291 0.381831 0.744737 0.651845
2019-01-16 0.286719 0.661222 0.064456 1.137021
2019-01-23 1.217550 -0.099077 1.297057 -0.570431
2019-01-30 -0.852166 -0.794072 1.374697 0.260344
In [44]: long_df[['字段1','字段2']]['1/2019']
Out[44]:
字段1 字段2
2019-01-02 -0.612222 -1.040934
2019-01-09 -0.335291 0.381831
2019-01-16 0.286719 0.661222
2019-01-23 1.217550 -0.099077
2019-01-30 -0.852166 -0.794072
In [45]: long_df[['字段1','字段2']]['1/2/2019':'1/10/2019']
Out[45]:
字段1 字段2
2019-01-02 -0.612222 -1.040934
2019-01-09 -0.335291 0.381831
In [46]: long_df[['字段1','字段2']][:'1/10/2019']
Out[46]:
字段1 字段2
2019-01-02 -0.612222 -1.040934
2019-01-09 -0.335291 0.381831
In [47]: long_df[['字段1','字段2']][:'2/10/2019']
Out[47]:
字段1 字段2
2019-01-02 -0.612222 -1.040934
2019-01-09 -0.335291 0.381831
2019-01-16 0.286719 0.661222
2019-01-23 1.217550 -0.099077
2019-01-30 -0.852166 -0.794072
2019-02-06 -0.029565 0.044062
datetime查询In [53]: long_df[['字段1','字段2']][datetime(2019,1,5):datetime(2019,2,15)]
Out[53]:
字段1 字段2
2019-01-09 -0.335291 0.381831
2019-01-16 0.286719 0.661222
2019-01-23 1.217550 -0.099077
2019-01-30 -0.852166 -0.794072
2019-02-06 -0.029565 0.044062
2019-02-13 0.783809 -0.098006
In [58]: long_df[['字段1','字段2']][:datetime(2019,2,6)]
Out[58]:
字段1 字段2
2019-01-02 -0.612222 -1.040934
2019-01-09 -0.335291 0.381831
2019-01-16 0.286719 0.661222
2019-01-23 1.217550 -0.099077
2019-01-30 -0.852166 -0.794072
2019-02-06 -0.029565 0.044062
使用truncate进行查询In [60]: long_df[['字段1','字段2']].truncate(after='2/6/2019')
Out[60]:
字段1 字段2
2019-01-02 -0.612222 -1.040934
2019-01-09 -0.335291 0.381831
2019-01-16 0.286719 0.661222
2019-01-23 1.217550 -0.099077
2019-01-30 -0.852166 -0.794072
2019-02-06 -0.029565 0.044062
In [62]: long_df[['字段1','字段2']].truncate(before='1/20/2019',after='2/6/2019')
Out[62]:
字段1 字段2
2019-01-23 1.217550 -0.099077
2019-01-30 -0.852166 -0.794072
2019-02-06 -0.029565 0.044062

【时间序列：DataFrame数据查询方法】

时间序列：DataFrame数据查询方法

推荐阅读

头盔|戴了头盔，为何还被交警拦下来 ?

王中磊|王中磊的风流私生活与华谊商业帝国梦想的破灭

世界饮茶各有道

雾化去皱注意什么事项？

新房子收房新房子收房怎么做

发现|为啥孙悟空着急除掉六耳猕猴，其中有个秘密，怕如来发现

linux是什么(linux功能及用途)

日本有趣民俗?日本的民俗文化有哪些

“短剧+游戏”会是新风口么？

头道茶喝还是不喝看这就不纠结了

怀孕初期可以吃香油吗

通知, 国家发布文件农村宅基地可以换城市的商品房, 你会换么

冰咖啡：英语小课堂——常见的咖啡用英语怎么说

『美国』截止北京时间5月29日！美国多地爆发严重骚乱；疫情死亡接近越南战争2倍；坏消息一大堆

毛宁|53岁毛宁近照惹争议，表情僵硬嘴巴歪斜，被疑医美过度

华为主题联合时尚芭莎空降深圳，携手开启数字科技的时尚新未来

梁山|梁山好汉真的亲如兄弟宋江背后的龌龊事，揭示他们只是酒肉朋友

|恶心！见年轻女性就裸露下身，小伙骑车跨省作案20多起

曹操关羽之情?关羽给曹操下跪为谁求情

解放军报|充分发挥军事训练带动促进功能