pandas at_time() 筛选特定时间数据

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

at_time() 是 pandas 中用于筛选特定时间点的行数据的方法。它主要用于具有 DatetimeIndex 或 TimedeltaIndex 的 DataFrame 或 Series。这个方法对于时间序列数据的分析非常有用。

语法

DataFrame.at_time(time, asof=False, axis=None)

适用数据类型

DataFrame
Series

参数意义

time:
- 类型: datetime.time 或者字符串格式的时间（如 '14:30'）
- 意义: 需要筛选的时间点。如果 DataFrame 的索引是 DatetimeIndex 或 TimedeltaIndex，将返回与该时间点匹配的所有行。
asof:
- 类型: bool，默认为 False
- 意义:
  - False：只返回完全匹配 time 的行。
  - True：返回最接近 time 的行（即asof模式）。这种情况通常用于金融数据分析，获取某时间点之前最近的数据。
axis:
- 类型: int 或 None，默认为 None
- 意义:
  - None（默认）表示在索引上操作。
  - axis=0 时，在行索引上操作。
  - axis=1 时，在列索引上操作。

返回值

返回值类型:
- 如果作用于 DataFrame，则返回一个新的 DataFrame，只包含与指定时间点匹配的行。
- 如果作用于 Series，则返回一个新的 Series，只包含与指定时间点匹配的行。

使用场景

提取特定时间点的数据: 在时间序列数据中，at_time() 可以方便地提取特定时间点的所有记录，如每天的开盘价、某个时间的温度等。
金融数据分析: 在分析股票等金融数据时，可以通过 at_time(asof=True) 获取某个时间点之前最接近的数据点。
时间序列数据的过滤: 在拥有多个时间点的数据集上，at_time() 可以帮助快速过滤出所有符合条件的记录。

示例

i = pd.date_range('2018-04-09', periods=4, freq='12h')
ts = pd.DataFrame({'A': [1, 2, 3, 4]}, index=i)
ts
'''
                     A
2018-04-09 00:00:00  1
2018-04-09 12:00:00  2
2018-04-10 00:00:00  3
2018-04-10 12:00:00  4
'''

ts.at_time('12:00')
'''
                     A
2018-04-09 12:00:00  2
2018-04-10 12:00:00  4
'''

案例

例1: 基础用法

假设有一个包含日期和时间的 DatetimeIndex 的 DataFrame，每天记录多个时间点的数据。

import pandas as pd
import numpy as np

# 构造示例数据
date_rng = pd.date_range(start='2023-01-01', end='2023-01-02', freq='H')
df = pd.DataFrame(date_rng, columns=['date'])
df['data'] = np.random.randint(0, 100, size=(len(date_rng)))

df.set_index('date', inplace=True)

# 筛选每天凌晨1点的数据
df_at_time = df.at_time('01:00')

print(df)
print(df_at_time)

输出:

'''
                       data
date                       
2023-01-01 00:00:00     15
2023-01-01 01:00:00     50
2023-01-01 02:00:00     95
2023-01-01 03:00:00     73
2023-01-01 04:00:00     19
...                    ...
2023-01-01 21:00:00     63
2023-01-01 22:00:00     24
2023-01-01 23:00:00     78
2023-01-02 00:00:00     31
2023-01-02 01:00:00     64

[26 rows x 1 columns]

                       data
date                       
2023-01-01 01:00:00     50
2023-01-02 01:00:00     64
'''

在这个例子中，at_time('01:00') 提取了每天凌晨1点的数据。

例2: 使用 asof=True 模式

假设您有一个金融数据集，记录了每天多个时间点的价格。您希望提取某个时间点之前最近的价格。

import pandas as pd
import numpy as np

# 构造示例数据
date_rng = pd.date_range(start='2023-01-01', end='2023-01-02', freq='2H')
df = pd.DataFrame(date_rng, columns=['date'])
df['price'] = np.random.randint(100, 200, size=(len(date_rng)))

df.set_index('date', inplace=True)

# 使用 asof 模式筛选接近某时间点的价格
df_asof = df.at_time('07:00', asof=True)

print(df)
print(df_asof)

输出:

'''
                     price
date                      
2023-01-01 00:00:00    132
2023-01-01 02:00:00    187
2023-01-01 04:00:00    177
2023-01-01 06:00:00    122
2023-01-01 08:00:00    149
2023-01-01 10:00:00    140
2023-01-01 12:00:00    165
2023-01-01 14:00:00    145
2023-01-01 16:00:00    131
2023-01-01 18:00:00    193
2023-01-01 20:00:00    135
2023-01-01 22:00:00    166
2023-01-02 00:00:00    108

price    122
Name: 2023-01-01 06:00:00, dtype: int64
'''

在这个例子中，at_time('07:00', asof=True) 返回了时间点06:00的价格，因为这是早于07:00的最近数据点。

总结

at_time() 是一个非常有用的方法，特别是在处理时间序列数据时。它可以帮助您快速提取特定时间点的数据，或者使用 asof 模式获取某个时间点之前最近的记录。通过使用不同的参数设置，您可以在各种时间序列分析场景中灵活运用这个方法。

参考

https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.at_time.html

< between_time() 筛选指定时间段内数据 pandas 查询筛选数据 isin() 是否包含指定值 >

更新时间：2024-08-09 08:27:28 标签：pandas python 时间筛选