pandas truncate() 截取部分数据

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》。

pandas 的 truncate 方法用于截取 DataFrame 或 Series 的一个子集，根据行标签或索引来选择子集。这个方法在处理时间序列数据时特别有用，但它也可以用于其他类型的数据。下面我们详细讲解它的语法、参数、返回值，并通过实例进行说明。

语法

DataFrame.truncate(before=None, after=None, axis=None, copy=True)

参数

before：起始位置的标签。截取从此标签开始（不包括此标签）。
after：结束位置的标签。截取到此标签结束（包括此标签）。
axis：选择操作的轴。0 或 index 表示按行截取，1 或 columns 表示按列截取。
copy：布尔值，默认值为 True，表示是否返回副本。

返回值

返回一个 DataFrame 或 Series，其中包含指定标签范围内的行或列。

支持的对象

pandas.DataFrame.truncate
pandas.MultiIndex.truncate
pandas.Series.truncate

使用场景

截取特定时间范围内的数据。
根据标签范围选择数据子集。
预处理数据时，去除不需要的部分。

示例

示例 1：基本使用

构造示例数据：

import pandas as pd

# 创建示例 DataFrame
data = {
    'A': [1, 2, 3, 4, 5],
    'B': [10, 20, 30, 40, 50],
    'C': ['a', 'b', 'c', 'd', 'e']
}
index = pd.date_range('2023-01-01', periods=5)
df = pd.DataFrame(data, index=index)
print("原始数据:")
print(df)

输出：

原始数据:
             A   B  C
2023-01-01  1  10  a
2023-01-02  2  20  b
2023-01-03  3  30  c
2023-01-04  4  40  d
2023-01-05  5  50  e

截取特定时间范围内的行

截取 2023-01-02 到 2023-01-04 的数据：

df_truncated = df.truncate(before='2023-01-02', after='2023-01-04')
print("截取的行:")
print(df_truncated)

输出：

截取的行:
             A   B  C
2023-01-02  2  20  b
2023-01-03  3  30  c
2023-01-04  4  40  d

按列截取数据

截取 B 和 C 列：

df_truncated_columns = df.truncate(before='B', after='C', axis=1)
print("截取的列:")
print(df_truncated_columns)

输出：

截取的列:
             B  C
2023-01-01  10  a
2023-01-02  20  b
2023-01-03  30  c
2023-01-04  40  d
2023-01-05  50  e

使用场景：截取特定范围内的数据

假设我们有一段时间序列数据，我们只想分析某个时间段内的数据。使用 truncate 方法可以很方便地截取这个时间段的数据。

# 创建包含更多日期的示例 DataFrame
data_more = {
    'A': range(1, 11),
    'B': range(10, 101, 10),
    'C': list('abcdefghij')
}
index_more = pd.date_range('2023-01-01', periods=10)
df_more = pd.DataFrame(data_more, index=index_more)
print("更多日期的原始数据:")
print(df_more)

# 截取 2023-01-03 到 2023-01-07 的数据
df_truncated_more = df_more.truncate(before='2023-01-03', after='2023-01-07')
print("截取更多日期的行:")
print(df_truncated_more)

输出：

更多日期的原始数据:
             A   B  C
2023-01-01   1  10  a
2023-01-02   2  20  b
2023-01-03   3  30  c
2023-01-04   4  40  d
2023-01-05   5  50  e
2023-01-06   6  60  f
2023-01-07   7  70  g
2023-01-08   8  80  h
2023-01-09   9  90  i
2023-01-10  10 100  j

截取更多日期的行:
             A   B  C
2023-01-03   3  30  c
2023-01-04   4  40  d
2023-01-05   5  50  e
2023-01-06   6  60  f
2023-01-07   7  70  g

通过这些示例，可以看到 truncate 方法在截取特定范围内的数据时非常灵活和有用。

参考

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

< select_dtypes() 按类型筛选数据 pandas 查询筛选数据 take() 基于位置索引选择行或列 >

更新时间：2024-07-16 20:36:10 标签：pandas python 截取 truncate