在指定的时间戳对 pandas.Series 进行切片答案

【问题标题】：Slicing pandas.Series at specified time stamps在指定的时间戳对 pandas.Series 进行切片
【发布时间】：2019-06-29 12:38:36
【问题描述】：

我正在尝试以指定的时间戳对 pandas.Series 进行切片。从其他 SO 问题中，我得到了以下工作流程：

import pandas as pd
x = ... # some time data
y = ... # some value data

lower_limit_x = pd.to_datetime(x.index) >= pd.to_datetime('2019-01-23 20:59:04')
upper_limit_x = pd.to_datetime(x.index) <= pd.to_datetime('2019-01-23 21:37:44')

lower_limit_y = pd.to_datetime(y.index) >= pd.to_datetime('2019-01-23 20:59:04')
upper_limit_y = pd.to_datetime(y.index) <= pd.to_datetime('2019-01-23 21:37:44')

mask_x = lower_limit_x & upper_limit_x
mask_y = lower_limit_y & upper_limit_y

sliced_x = x[mask_x]
sliced_y = y[mask_y]

但是，如果我从以下数据集开始，该数据集跨越大约。 2019-01-23 20:45 至 2019-01-23 04:00：

结果数据似乎是空的。如果我这样做了

sliced_y.values

结果为空。

如何成功地按时间戳对数据进行切片？

【问题讨论】：

我无法复制，但您可能希望查看pd.DataFrame.between_time 以通过单个方法调用过滤您的数据帧。
你好@jpp 感谢这个提示！我觉得我的数据现在的格式不正确。例如。所有时间戳都在x 系列中，所有值都在y 系列中。如何将这两个系列合并为一个合适的系列？
是len(x) == len(y)，即你的两个系列有相同的长度吗？
是的，它们确实有相同的长度。

标签： python pandas datetime indexing

【解决方案1】：

您可以创建单个数据框，然后使用loc 访问器：

df = pd.DataFrame(y.values, index=x.values)

sliced_df = df.loc['2019-01-23 20:59:04': '2019-01-23 21:37:44']

sliced_df 现在是单个数据框，您可以按如下方式访问您的 x 和 y 坐标：

sliced_times = sliced_df.index
sliced_values = sliced_df.iloc[:, 0].values

【讨论】：