如何使用字符串访问pandas DataFrame datetime索引

Question

这是一个非常简单实用的问题.我觉得它必须是一个愚蠢的细节,应该有类似的问题.我无法找到他们.如果有人,我会高兴地删除这个.

我发现的最接近的是: pandas:用loc迭代DataFrame索引

如何仅在索引为日期和时间时基于时间选择pandas数据帧中的行

无论如何,事情是,我有一个datetime索引的熊猫数据帧如下:

In[81]: y
Out[81]: 
            PETR4  CSNA3  VALE5
2008-01-01    0.0    0.0    0.0
2008-01-02    1.0    1.0    1.0
2008-01-03    7.0    7.0    7.0

In[82]: y.index
Out[82]: DatetimeIndex(['2008-01-01', '2008-01-02', '2008-01-03'], dtype='datetime64[ns]', freq=None)

奇怪的是,我无法使用以下方法之一访问其值:

In[83]: y[datetime.datetime(2008,1,1)]
In[84]: y['2008-1-1']
In[85]: y['1/1/2008']

我收到了KeyError错误.

更奇怪的是,以下方法可行:

In[86]: y['2008']
Out[86]: 
            PETR4  CSNA3  VALE5
2008-01-01    0.0    0.0    0.0
2008-01-02    1.0    1.0    1.0
2008-01-03    7.0    7.0    7.0
In[87]: y['2008-1']
Out[87]: 
            PETR4  CSNA3  VALE5
2008-01-01    0.0    0.0    0.0
2008-01-02    1.0    1.0    1.0
2008-01-03    7.0    7.0    7.0

我对熊猫很新,所以也许我在这里错过了一些东西？

Answer 1

熊猫正在采取什么内在[]并决定它应该做什么.如果它是列名的子集,它将返回包含这些列的DataFrame.如果它是一系列索引值,它将返回这些行的子集.什么是不处理是采取单个索引值.

解

两个解决方案

1.将参数转换为pandas解释为范围的东西.

df['2008-01-01':'2008-01-01']

2.使用旨在为您提供此结果的方法. loc[]

df.loc['2008-01-01']

链接到文档

Answer 2

您可以在索引上使用to_pydatetime函数，因此：

y[y.index.to_pydatetime() == datetime.datetime(2008,1,1)]

Answer 3

反转数据框允许索引工作：

这是您的 .csv 数据文件：

Date,PETR4,CSNA3,VALE5
2008-01-01,0.0,0.0,0.0
2008-01-02,1.0,1.0,1.0
2008-01-03,7.0,7.0,7.0

使用以下咒语将其读入 DataFrame：

>>> a = pd.read_csv('your.csv', index_col=0, parse_dates=True, infer_datetime_format=True)

然后，尝试索引一行：

>>> a['2008-01-01']
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/usr/local/lib/python2.7/dist-packages/pandas/core/frame.py", line 1969, in __getitem__
    return self._getitem_column(key)
  File "/usr/local/lib/python2.7/dist-packages/pandas/core/frame.py", line 1976, in _getitem_column
    return self._get_item_cache(key)
  File "/usr/local/lib/python2.7/dist-packages/pandas/core/generic.py", line 1091, in _get_item_cache
    values = self._data.get(item)
  File "/usr/local/lib/python2.7/dist-packages/pandas/core/internals.py", line 3211, in get
    loc = self.items.get_loc(item)
  File "/usr/local/lib/python2.7/dist-packages/pandas/core/index.py", line 1759, in get_loc
    return self._engine.get_loc(key)
  File "pandas/index.pyx", line 137, in pandas.index.IndexEngine.get_loc (pandas/index.c:3979)
  File "pandas/index.pyx", line 157, in pandas.index.IndexEngine.get_loc (pandas/index.c:3843)
  File "pandas/hashtable.pyx", line 668, in pandas.hashtable.PyObjectHashTable.get_item (pandas/hashtable.c:12265)
  File "pandas/hashtable.pyx", line 676, in pandas.hashtable.PyObjectHashTable.get_item (pandas/hashtable.c:12216)
KeyError: '2008-01-01'

您最终会使用 KeyError 进行回溯

但是，如果您将其反转，如下所示：

>>> b = a[::-1]

然后尝试相同的索引，你会得到正确的结果：

>>> b['2008-01-01']
            PETR4  CSNA3  VALE5
Date                           
2008-01-01      0      0      0

我不知道为什么会这样。有可能，它以一种方式与时间序列有关，但与另一种方式无关？应该有更懂行的人来回答。

更新：通过 RTFM，我发现了这个页面：

https://pandas.pydata.org/pandas-docs/stable/timeseries.html

如果您找到标题为“切片与精确匹配”的部分，则有一条警告解释了这种行为。问题似乎是对于 TimeSeries，精确匹配被解释为列名。对于未排序的数据帧，这不会发生。请参阅上述部分中的警告框。我仍然觉得这非常令人困惑，但是你去...

编辑：修改了b的打印输出，原来是错误的。

编辑 1：在 python 文档中更新解释。