Pandas 选择最近 20 天的数据。

Question

我有一个简单的问题，我似乎找不到严格的答案。

假设我有一个包含日期、开盘价、最高价、最低价、收盘价和成交量的数据框。

我要做的是首先找到我可以使用的当前日期：

today = pd.datetime.today().date()

我的问题是从当前日期选择过去 20 天的数据。

我需要选择最后 20 行，因为我需要在此数据集的近列中找到最高和最低值。

任何指针都会有很大帮助。我在谷歌上搜索了一段时间，并不断找到不同的答案。

谢谢！

Answer 1

设置

today = pd.datetime.today().date()

df = pd.DataFrame(
    np.random.rand(20, 4),
    pd.date_range(end=today, periods=20, freq='3D'),
    columns=['O', 'H', 'L', 'C'])

df

                   O         H         L         C
2017-08-01  0.821996  0.894122  0.829814  0.429701
2017-08-04  0.883512  0.668642  0.524440  0.914845
2017-08-07  0.035753  0.231787  0.421547  0.163865
2017-08-10  0.742781  0.293591  0.874033  0.054421
2017-08-13  0.252422  0.632991  0.547044  0.650622
2017-08-16  0.316752  0.190016  0.504701  0.827450
2017-08-19  0.777069  0.533121  0.329742  0.603473
2017-08-22  0.843260  0.546845  0.600270  0.060620
2017-08-25  0.834180  0.395653  0.189499  0.820043
2017-08-28  0.806369  0.850968  0.753335  0.902687
2017-08-31  0.336096  0.145325  0.876519  0.114923
2017-09-03  0.590195  0.946520  0.009151  0.832992
2017-09-06  0.901101  0.616852  0.375829  0.332625
2017-09-09  0.537892  0.852527  0.082807  0.966297
2017-09-12  0.104929  0.803415  0.345942  0.245934
2017-09-15  0.085703  0.743497  0.256762  0.530267
2017-09-18  0.823960  0.397983  0.173706  0.091678
2017-09-21  0.211412  0.980942  0.833802  0.763510
2017-09-24  0.312950  0.850760  0.913519  0.846466
2017-09-27  0.921168  0.568595  0.460656  0.016313

解决方案
使用 pandas 日期时间索引切片。非常简单明了，也是 pandas 开发人员解决这个问题的目的。 注意： 这并不关心过去 20 天内有多少行，它只是获取所有行。我认为这就是OP想要的。

df[today - pd.offsets.Day(20):]

                   O         H         L         C
2017-09-09  0.537892  0.852527  0.082807  0.966297
2017-09-12  0.104929  0.803415  0.345942  0.245934
2017-09-15  0.085703  0.743497  0.256762  0.530267
2017-09-18  0.823960  0.397983  0.173706  0.091678
2017-09-21  0.211412  0.980942  0.833802  0.763510
2017-09-24  0.312950  0.850760  0.913519  0.846466
2017-09-27  0.921168  0.568595  0.460656  0.016313

Answer 2

下面的代码就是一个例子。

import pandas as pd
import numpy as np

today = pd.datetime.today().date()

df = pd.DataFrame({"date": pd.date_range('20170901','20170930', freq='D'),
                   "open": np.random.rand(30),
                   "high": np.random.rand(30),
                   "low": np.random.rand(30),
                   "close": np.random.rand(30),
                   "volume": np.random.rand(30)},
                  columns = ["date", "open", "high", "low", "close", "volume"])
selected_date = pd.date_range(today - pd.to_timedelta(20, unit='d'), today, freq='D')
df_selected = df[df["date"].isin(selected_date)]
# Out[40]:
#          date      open      high       low     close    volume
# 7  2017-09-08  0.790424  0.999621  0.139619  0.669588  0.476784
# 8  2017-09-09  0.190239  0.439975  0.362905  0.018472  0.905773
# 9  2017-09-10  0.184327  0.686411  0.124636  0.741130  0.132774
# 10 2017-09-11  0.346019  0.022173  0.422704  0.159098  0.011801
# 11 2017-09-12  0.549928  0.228514  0.851650  0.824209  0.756816
# 12 2017-09-13  0.413550  0.994019  0.340958  0.905432  0.289316
# 13 2017-09-14  0.435034  0.485978  0.768520  0.534148  0.276084
# 14 2017-09-15  0.839840  0.775490  0.481123  0.911378  0.928908
# 15 2017-09-16  0.442393  0.512893  0.519516  0.844619  0.813230
# 16 2017-09-17  0.723789  0.646345  0.081776  0.388496  0.391421
# 17 2017-09-18  0.964289  0.849776  0.156879  0.663885  0.062165
# 18 2017-09-19  0.001000  0.174666  0.694151  0.777330  0.739554
# 19 2017-09-20  0.426997  0.541273  0.789910  0.218263  0.748694
# 20 2017-09-21  0.217904  0.295377  0.087909  0.765242  0.555663
# 21 2017-09-22  0.910734  0.848182  0.476946  0.374580  0.079900
# 22 2017-09-23  0.160963  0.795219  0.956262  0.744048  0.645552
# 23 2017-09-24  0.412634  0.722252  0.226693  0.524794  0.910259
# 24 2017-09-25  0.535072  0.131761  0.931164  0.618055  0.542512
# 25 2017-09-26  0.697222  0.552784  0.537899  0.773403  0.916538
# 26 2017-09-27  0.257628  0.479550  0.539444  0.540076  0.344933
# 27 2017-09-28  0.270114  0.914036  0.137004  0.939907  0.736016

此外，如下获得关闭项的最大值和最小值。

df_max = df_selected[df_selected['close'] == df_selected['close'].max()]
# Out[48]:
#          date      open      high       low     close    volume
# 27 2017-09-28  0.270114  0.914036  0.137004  0.939907  0.736016

df_min = df_selected[df_selected['close'] == df_selected['close'].min()]
# Out[49]:
#         date      open      high       low     close    volume
# 8 2017-09-09  0.190239  0.439975  0.362905  0.018472  0.905773