Python：使用 pandas 对 2 月至 6 月之间的年度数据进行切片答案

【问题标题】：Python: slice yearly data between February and June with pandasPython：使用 pandas 对 2 月至 6 月之间的年度数据进行切片
【发布时间】：2022-01-26 15:12:10
【问题描述】：

我有一个数据集，其中包含从 2000 年到 2010 年的 10 年数据。我的初始日期时间为 2000 年 1 月 1 日，数据重新采样为每日。我还有一个每周计数器，当我应用slice() 函数时，我只会要求第 5 周到第 21 周（2 月 1 日到 5 月 30 日）。

我有点不知道如何每年对它进行切片，它是否涉及循环，或者 python 中是否有一个时间序列函数会知道每年对特定时期进行切片？下面是我到目前为止的代码，我有一个 for 循环应该是 slice(5, 21)，但它不起作用。

我有什么建议可以让它工作吗？

import pandas as pd
from datetime import datetime, timedelta 

initial_datetime = pd.to_datetime("2000-01-01")

# Read the file
df = pd.read_csv("D:/tseries.csv")

# Convert seconds to datetime
df["Time"] = df["Time"].map(lambda dt: initial_datetime+timedelta(seconds=dt))
    
df = df.set_index(pd.DatetimeIndex(df["Time"]))
resampling_period = "24H"
df = df.resample(resampling_period).mean().interpolate()
df["Week"] = df.index.map(lambda dt: dt.week)
print(df)

【问题讨论】：

标签： python pandas datetime time-series slice

【解决方案1】：

你可以使用loc进行切片：

df.loc[df.Week.isin(range(5,22))]

如果您想每年单独计算（例如平均值），您可以使用groupby：

subset = df.loc[df.Week.isin(range(5,22))]
subset.groupby(subset.index.year).mean()

【讨论】：