仅将日期时间列与熊猫中的时间进行比较

Question

我有一个像下面这样的 df

col1, mydate
1, 25-DEC-2016 09:15:00
2, 25-DEC-2016 10:14:00
3, 25-DEC-2016 10:16:00
4, 25-DEC-2016 10:18:56
2, 25-DEC-2016 11:14:00
2, 25-DEC-2016 10:16:00

df.info(): mydate    323809 non-null object

我需要根据时间使用此数据框，例如 df 的时间小于 10:15:00，df 的时间小于 11:15:00

所以创建了我的切片间隔使用

times=[pd.to_datetime(i) for i in '10:15:00','11:15:00','12:15:00','13:15:00','14:15:00','15:15:00', '15:30:00']

然后我将 mydate 类型转换为时间，这需要很多时间

df['mydate']=df4.mydate.apply(lambda x: pd.to_datetime(x,infer_datetime_format=True).time())

我认为可以优化上述命令，或者应该有更好/更快的方法。

然后我简单地做

for time in times:
  slice = df[df.mydate<time.time()]

我的目的只是将 df.mydate 时间与['10:15:00','11:15:00','12:15:00','13:15:00','14:15:00','15:15:00', '15:30:00'] （但不是日期）进行比较，并简单地将 df 子集

上述方法对我来说很好，但我正在寻找更好的方法。

附加：有趣的是排序 mydate 非常快（即使我没有将 mydate col 转换为 datetime）使用

df.sort_values(by='mydate')

这让我认为我的子集方式应该更快。

mydate col 将始终采用25-DEC-2016 09:15:00格式（注意 DEC 而不是 Dec）我可以使用吗format='%d-%b-%Y %H:%M:%S'

Answer 1

首先，我建议pd.to_datetime在整个数组/系列上使用，所以它是：

pd.to_datetime(['10:15:00','11:15:00','12:15:00','13:15:00']).time

而不是

[pd.to_datetime(i).time() for i in ['10:15:00','11:15:00','12:15:00','13:15:00']]

其次，你对格式的看法是正确的。正如文档中所述，pd.to_datetime使用速度要快得多（x5-10 倍）

pd.to_datetime(['25-DEC-2016 09:15:00', '25-DEC-2016 09:15:00'],
               format='%d-%b-%Y %H:%M:%S')

而不是

pd.to_datetime(['25-DEC-2016 09:15:00', '26-DEC-2016 09:15:00'], 
               infer_datetime_format=True)

现在考虑您的数据框：

df = pd.DataFrame({'col1': [1, 2, 3, 2], 
                   'mydate': ['25-DEC-2016 09:15:00',
                              '25-DEC-2016 11:15:00', 
                              '26-DEC-2016 11:15:00', 
                              '26-DEC-2016 12:15:00']})
>>>
   col1                mydate
0     1  25-DEC-2016 09:15:00
1     2  25-DEC-2016 11:15:00
2     3  26-DEC-2016 11:15:00
3     2  26-DEC-2016 12:15:00

您可以首先转换mydate实际datetime系列中的列：

df['mydate'] = pd.to_datetime(df.mydate, format='%d-%b-%Y %H:%M:%S')

然后您将能够通过访问器访问date和time字段（以及更多）dt：

df.mydate.dt.date
>>>
0    2016-12-25
1    2016-12-25
2    2016-12-26
3    2016-12-26

df.mydate.dt.time
>>>
0    09:15:00
1    11:15:00
2    11:15:00
3    12:15:00

因此，在计算切片时，您可以使用：

for time in times:
    slice = df[df.mydate.dt.time < time]
    print(time, slice, sep='\n')
>>>
10:15:00
   col1              mydate
0     1 2016-12-25 09:15:00
11:15:00
   col1              mydate
0     1 2016-12-25 09:15:00
12:15:00
   col1              mydate
0     1 2016-12-25 09:15:00
1     2 2016-12-25 11:15:00
2     3 2016-12-26 11:15:00
13:15:00
   col1              mydate
0     1 2016-12-25 09:15:00
1     2 2016-12-25 11:15:00
2     3 2016-12-26 11:15:00
3     2 2016-12-26 12:15:00

请注意，您获得的实际上并不是切片，因为它们具有重叠的记录，因此您可能需要使用类似于以下内容的内容：

for start, end in zip(times, times[1:]):
    slice = df[(start <= df.mydate.dt.time) & (df.mydate.dt.time <= end)]

最后一点，您尝试使用 for 循环完成的任务可以使用pandas 的group by操作来获得。您只需要准备一个mytime仅包含时间的列：

df['mytime'] = df.mydate.dt.time
groups = df.groupby('mytime')

for group_key, group_df in groups:
    print(group_key, group_df, sep='\n')
>>>
09:15:00
   col1              mydate    mytime
0     1 2016-12-25 09:15:00  09:15:00
11:15:00
   col1              mydate    mytime
1     2 2016-12-25 11:15:00  11:15:00
2     3 2016-12-26 11:15:00  11:15:00
12:15:00
   col1              mydate    mytime
3     2 2016-12-26 12:15:00  12:15:00

好处是您不需要对单个数据帧进行操作，但您可以同时对每个组应用相同的操作和聚合：

groups.size()
>>>
mytime
09:15:00    1
11:15:00    2
12:15:00    1

groups.sum()
>>>
          col1
mytime        
09:15:00     1
11:15:00     5
12:15:00     2

Answer 2

我相信timedelta在 pandas 中工作更好 - 所以第一个split字符串列和选择转换时间：

df['mydate'] = pd.to_timedelta(df['mydate'].str.split().str[1])
print (df)
   col1   mydate
0     1 09:15:00
1     2 10:14:00
2     3 10:16:00
3     4 10:18:56
4     2 11:14:00
5     2 10:16:00

也转换list：

times=pd.to_timedelta(['10:15:00','11:15:00','12:15:00',
                       '13:15:00','14:15:00','15:15:00', '15:30:00'])
print (times)
TimedeltaIndex(['10:15:00', '11:15:00', '12:15:00', '13:15:00', '14:15:00',
                '15:15:00', '15:30:00'],
               dtype='timedelta64[ns]', freq=None)

最后创建切片：

for time in times:
  sl = df[df.mydate<time]
  print (sl)