如何使用 timedelta 从熊猫系列中选择最后一个值？答案

【问题标题】：How to select the last values from a pandas series using timedelta?如何使用 timedelta 从熊猫系列中选择最后一个值？
【发布时间】：2020-05-10 23:20:47
【问题描述】：

我有一个 pandas 系列，其中时间戳作为索引，浮点数作为值

pd.Series(
    data=[150.0, 151.0, ...],
    index=[
        datetime.datetime(2020, 1, 24, 15, 53, 54, 532325, tzinfo=None, fold=0),
        datetime.datetime(2020, 1, 24, 16, 1, 7, 896288, tzinfo=None, fold=0),
        ...]
)

导致：

2020-01-24T15:53:54.532325    150.0
2020-01-24T16:01:07.896288    151.0
2020-01-24T16:01:10.862610    152.0
2020-01-24T16:01:13.407573    149.0
2020-01-24T16:33:59.985246    148.0
2020-01-24T16:34:06.411970    150.0

如何通过 timedelta w.r.t 选择最后一个值及其对应的索引。以秒为单位的最新 timedelta 值？例如给定的系列和 2 秒的时间增量我希望是系列的子集

2020-01-24T16:33:59.985246    148.0
2020-01-24T16:34:06.411970    150.0

这应该等同于我通过indexing by time 使用timestamped_intensity['2020-01-24T16:33:59.9852462':'2020-01-24T16:34:06.411970'] 得到的。

【问题讨论】：

不，他需要最后 2 条记录 ;-)

标签： python pandas time-series series

【解决方案1】：

更新

按元素 Series.sort_index

s.sort_index().tail(2)

#date
#2020-01-24 16:33:59.985246    148.0
#2020-01-24 16:34:06.411970    150.0
#Name: value, dtype: float64

以秒为单位

我们计算索引时的时间差和索引时的累积和和semnor那2

n = 2
s[s.sort_index(ascending = False)
   .index
   .to_series()
   .diff().abs()
   .dt.total_seconds()
   .cumsum()
   .fillna(0)
   .lt(n)]

【讨论】：

或（更灵活）....iloc[-2:, :] 还可以考虑制作副本以避免意外。所以，.copy() 在结果之后。
我使用的是熊猫系列，没有熊猫数据框。
我想按 timedelta 索引，而不是 # 个元素...我试图改进这个问题。
按秒检查
有效，但我的解决方案更灵活，因为它也可以以天、微秒等为单位定义时间增量。

【解决方案2】：

不好，但对我有用：

timedelta_in_seconds = 2
most_recent_timestamp = timestamped_intensity.sort_index().index[-1]
timestamped_intensity[most_recent_timestamp - datetime.timedelta(seconds=timedelta_in_seconds):most_recent_timestamp]

【讨论】：

你不需要tail，只需要most_recent_timestamp = timestamped_intensity.sort_index().index[-1]
不，我想我需要它。否则我得到的不是我所期望的。
我确定，检查一下
most_recent_timestamp = timestamped_intensity.sort_index().index[-1]
sort_index() 很尴尬...如果索引没有排序，那么索引将不起作用，因为它返回一系列行，所以它取决于它是否排序。所以我只是将它改写为“假设索引已排序......”或者“首先确保您的索引已排序......”然后继续回答。还有，右边不需要间隔，timestamped_intensity[most_recent_timestamp - pd.to_timedelta('2s'):]就够了。