Slice Pandas DataFrame, um alle Datensätze eines bestimmten Tages anzuzeigen

Question

Ich möchte ein Datenframe zurückgeben, das nur die Datensätze eines bestimmten Tages mit einem Datetime-Wert enthält.

-Code unten arbeitet:

def dataframeByDay(datetimeValue): 
    cYear = datetimeValue.year 
    cMonth = datetimeValue.month 
    cDay = datetimeValue.day 
    crit = (df.index.year == cYear) & (df.index.month == cMonth) & (df.index.day == cDay) 
    return df.loc[crit] 

Gibt es einen besseren (schnelleren) Weg, dies zu erreichen?

Answer 1

Da der Index ein DatetimeIndex ist, können Sie Strings verwenden, um es zu trennen.

Betrachten Sie die Datenrahmen df

np.random.seed([3,1415]) 
df = pd.DataFrame(np.random.randint(10, size=(10, 3)), 
        pd.date_range('2016-03-31', periods=10, freq='12H'), 
        list('ABC')) 

df 

        A B C 
2016-03-31 00:00:00 0 2 7 
2016-03-31 12:00:00 3 8 7 
2016-04-01 00:00:00 0 6 8 
2016-04-01 12:00:00 6 0 2 
2016-04-02 00:00:00 0 4 9 
2016-04-02 12:00:00 7 3 2 
2016-04-03 00:00:00 4 3 3 
2016-04-03 12:00:00 6 7 7 
2016-04-04 00:00:00 4 5 3 
2016-04-04 12:00:00 7 5 9 

Not What You Want
Sie wollen nicht die Timestamp

df.loc[pd.to_datetime('2016-04-01')] 

A 0 
B 6 
C 8 
Name: 2016-04-01 00:00:00, dtype: int64 

Statt
Sie diese Technik verwenden können, verwenden:

df.loc['{:%Y-%m-%d}'.format(pd.to_datetime('2016-04-01'))] 

        A B C 
2016-04-01 00:00:00 7 3 1 
2016-04-01 12:00:00 0 6 6 

Ihre Funktion

def dataframeByDay(datetimeValue): 
    return df.loc['{:%Y-%m-%d}'.format(datetimeValue)] 

dataframeByDay(pd.to_datetime('2016-04-01')) 

        A B C 
2016-04-01 00:00:00 7 3 1 
2016-04-01 12:00:00 0 6 6 

---

Hier sind einige alternative

def dataframeByDay2(datetimeValue): 
    dtype = 'datetime64[D]' 
    d = np.array('{:%Y-%m-%d}'.format(datetimeValue), dtype) 
    return df[df.index.values.astype(dtype) == d] 

def dataframeByDay3(datetimeValue): 
    return df[df.index.floor('D') == datetimeValue.floor('D')]