[解決済み】2つの日付の間にあるDataFrameの行を選択する

質問

以下のように、csvからDataFrameを作成しています。

stock = pd.read_csv('data_in/' + filename + '.csv', skipinitialspace=True)

DataFrameには日付の列があります。指定された日付範囲内または指定された2つの日付値の間にある日付値を持つ行のみを含む新しいDataFrameを作成する（または既存のものを上書きする）方法はありますか？

解決方法は？

解決策は2つあります。

• ブーリアン・マスクを使用し、次に df.loc[mask]
• 日付カラムをDatetimeIndexとして設定し、次に df[start_date : end_date]

ブーリアン・マスクを使用する :

確認する df['date'] はSeriesで、dtypeは datetime64[ns] :

df['date'] = pd.to_datetime(df['date'])  

ブーリアンマスクを作る。 start_date と end_date は datetime.datetime s, np.datetime64 s, pd.Timestamp や、日時を表す文字列も含まれます。

#greater than the start date and smaller than the end date
mask = (df['date'] > start_date) & (df['date'] <= end_date)

サブDataFrameを選択します。

df.loc[mask]

に再割り当てするか df

df = df.loc[mask]

例えば

import numpy as np
import pandas as pd

df = pd.DataFrame(np.random.random((200,3)))
df['date'] = pd.date_range('2000-1-1', periods=200, freq='D')
mask = (df['date'] > '2000-6-1') & (df['date'] <= '2000-6-10')
print(df.loc[mask])

イールド

            0         1         2       date
153  0.208875  0.727656  0.037787 2000-06-02
154  0.750800  0.776498  0.237716 2000-06-03
155  0.812008  0.127338  0.397240 2000-06-04
156  0.639937  0.207359  0.533527 2000-06-05
157  0.416998  0.845658  0.872826 2000-06-06
158  0.440069  0.338690  0.847545 2000-06-07
159  0.202354  0.624833  0.740254 2000-06-08
160  0.465746  0.080888  0.155452 2000-06-09
161  0.858232  0.190321  0.432574 2000-06-10

を使用することで DatetimeIndex :

日付で選択することが多い場合は、「日付で選択する」と設定した方が早いかもしれません。 date カラムを最初にインデックスとして使用します。それから、日付で行を選択するために df.loc[start_date:end_date] .

import numpy as np
import pandas as pd

df = pd.DataFrame(np.random.random((200,3)))
df['date'] = pd.date_range('2000-1-1', periods=200, freq='D')
df = df.set_index(['date'])
print(df.loc['2000-6-1':'2000-6-10'])

イールド

                   0         1         2
date                                    
2000-06-01  0.040457  0.326594  0.492136    # <- includes start_date
2000-06-02  0.279323  0.877446  0.464523
2000-06-03  0.328068  0.837669  0.608559
2000-06-04  0.107959  0.678297  0.517435
2000-06-05  0.131555  0.418380  0.025725
2000-06-06  0.999961  0.619517  0.206108
2000-06-07  0.129270  0.024533  0.154769
2000-06-08  0.441010  0.741781  0.470402
2000-06-09  0.682101  0.375660  0.009916
2000-06-10  0.754488  0.352293  0.339337

Pythonのリストインデックスが、例えば seq[start:end] には start ただし end これに対し、パンダは df.loc[start_date : end_date] には どちらも の終点がインデックスにある場合は結果に含まれます。どちらも start_date または end_date はインデックスに含まれている必要があります。

また、以下の点にも注意が必要です。 pd.read_csv には parse_dates パラメータ をパースするために使用することができます。 date カラムを datetime64 s. したがって、もしあなたが parse_dates を使用する必要はありません。 df['date'] = pd.to_datetime(df['date']) .