Python：如何在 pandas 0.9.0 上开发一个 between_time 类似的方法？

Question

我坚持使用 pandas 0.9.0，因为我在 python 2.5 下工作，因此我没有可用的 between_time 方法。

我有一个日期数据框，并希望过滤特定时间之间的所有日期，例如在 08:00 和 09:00 之间，对于 DataFrame df 中的所有日期。

import pandas as pd
import numpy as np
import datetime

dates = pd.date_range(start="08/01/2009",end="08/01/2012",freq="10min")
df = pd.DataFrame(np.random.rand(len(dates), 1)*1500, index=dates, columns=['Power'])

我怎样才能开发出与between_time 方法提供相同功能的方法？

注意：我要解决的原始问题是在Python: Filter DataFrame in Pandas by hour, day and month grouped by year

Answer 1

更新：

尝试使用：

df.loc[df.index.indexer_between_time('08:00','09:50')]

旧答案：

我不确定它是否适用于 Pandas 0.9.0，但值得一试：

df[(df.index.hour >= 8) & (df.index.hour <= 9)]

PS 请注意 - 它与 between_time 不同，因为它只检查小时，between_time 能够检查 时间，如 df.between_time('08:01:15','09:13:28')

提示：下载更新版本 Pandas 的源代码，并查看 indexer_between_time() 函数在 pandas/tseries/index.py 中的定义 - 您可以根据需要克隆它

---

更新： 从 Pandas 0.20.1 the .ix indexer is deprecated, in favor of the more strict .iloc and .loc indexers 开始。

Answer 2

这是一种基于 NumPy 的方法：

import pandas as pd
import numpy as np
import datetime

dates = pd.date_range(start="08/01/2009",end="08/01/2012",freq="10min")
df = pd.DataFrame(np.random.rand(len(dates), 1)*1500, index=dates, columns=['Power'])

epoch = np.datetime64('1970-01-01')
start = np.datetime64('1970-01-01 08:00:00')
end = np.datetime64('1970-01-01 09:00:00')

# convert the dates to a NumPy datetime64 array
date_array = df.index.asi8.astype('<M8[ns]') 

# replace the year/month/day with 1970-01-01
truncated = (date_array - date_array.astype('M8[D]')) + epoch

# compare the hour/minute/seconds etc with `start` and `end`
mask = (start <= truncated) & (truncated <=end)

print(df[mask])

产量

                           Power
2009-08-01 08:00:00  1007.289466
2009-08-01 08:10:00   770.732422
2009-08-01 08:20:00   617.388909
2009-08-01 08:30:00  1348.384210
...
2012-07-31 08:30:00   999.133350
2012-07-31 08:40:00  1451.500408
2012-07-31 08:50:00  1161.003167
2012-07-31 09:00:00   670.545371