2017-02-28 94 views
1

我有一個熊貓DF,看起來像這樣:過濾熊貓數據幀的最後n日期

df

我想用本地定義的int參數,「天」來過濾DF。例如days = 10時,我的過濾的DF僅包含最近10個可用日期的數據。

到現在爲止,我已經試過如下:

days=10  
cutoff_date = df["SeriesDate"][-1:] - datetime.timedelta(days=days) 

然而,然後利用試圖輸出濾波DF:

df[df['SeriesDate'] > cutoff_date] 

我得到follwing錯誤:

ValueError: Can only compare identically-labeled Series objects 

我仍然在學Python,所以我會很感激任何幫助。

+0

不知道我理解你的問題:你需要先創建一個每行的截止日期,然後相應地過濾? – lorenzori

+0

我想輸出按照天數傳遞的值過濾的DF。因此,如果天數= 10,那麼輸出DF中的最後10個值。因此,如果最後一個可用日期是2017年2月27日,那麼我的輸出系列應該只在2017年2月17日之後有值 – sg91

+0

您的數據框索引是按日期排列的嗎?如果您發佈數據的示例,這將有所幫助。 –

回答

1

我想你需要通過iloc選擇SeriesDate列的最後一個值:

start = pd.to_datetime('2015-02-24') 
rng = pd.date_range(start, periods=15, freq='20H') 
df = pd.DataFrame({'SeriesDate': rng, 'Value_1': np.random.random(15)}) 
print (df) 
      SeriesDate Value_1 
0 2015-02-24 00:00:00 0.849160 
1 2015-02-24 20:00:00 0.332487 
2 2015-02-25 16:00:00 0.687638 
3 2015-02-26 12:00:00 0.310326 
4 2015-02-27 08:00:00 0.660795 
5 2015-02-28 04:00:00 0.354475 
6 2015-03-01 00:00:00 0.061312 
7 2015-03-01 20:00:00 0.443908 
8 2015-03-02 16:00:00 0.708326 
9 2015-03-03 12:00:00 0.257419 
10 2015-03-04 08:00:00 0.618363 
11 2015-03-05 04:00:00 0.121625 
12 2015-03-06 00:00:00 0.637324 
13 2015-03-06 20:00:00 0.058292 
14 2015-03-07 16:00:00 0.047624 
days=10  
cutoff_date = df["SeriesDate"].iloc[-1] - pd.Timedelta(days=days) 
print (cutoff_date) 
2015-02-25 16:00:00 

df1 = df[df['SeriesDate'] > cutoff_date] 
print (df1) 
      SeriesDate Value_1 
3 2015-02-26 12:00:00 0.310326 
4 2015-02-27 08:00:00 0.660795 
5 2015-02-28 04:00:00 0.354475 
6 2015-03-01 00:00:00 0.061312 
7 2015-03-01 20:00:00 0.443908 
8 2015-03-02 16:00:00 0.708326 
9 2015-03-03 12:00:00 0.257419 
10 2015-03-04 08:00:00 0.618363 
11 2015-03-05 04:00:00 0.121625 
12 2015-03-06 00:00:00 0.637324 
13 2015-03-06 20:00:00 0.058292 
14 2015-03-07 16:00:00 0.047624 

另一種方法是使用max,感謝Pocin

cutoff_date = df["SeriesDate"].max() - pd.Timedelta(days=days) 
print (cutoff_date) 
2015-02-25 16:00:00 

如果你想過濾器僅限dates

days=10  
cutoff_date = df["SeriesDate"].dt.date.iloc[-1] - pd.Timedelta(days=days) 
print (cutoff_date) 
2015-02-25 

編輯:

可以過濾掉日期哪裏是週末dayofweek然後用isin

start = pd.to_datetime('2015-02-24') 
rng = pd.date_range(start, periods=15) 
df = pd.DataFrame({'SeriesDate': rng, 'Value_1': np.random.random(15)}) 
print (df) 
    SeriesDate Value_1 
0 2015-02-24 0.498387 
1 2015-02-25 0.435767 
2 2015-02-26 0.299233 
3 2015-02-27 0.489286 
4 2015-02-28 0.892167 
5 2015-03-01 0.507436 
6 2015-03-02 0.360427 
7 2015-03-03 0.903886 
8 2015-03-04 0.718148 
9 2015-03-05 0.645489 
10 2015-03-06 0.251285 
11 2015-03-07 0.139275 
12 2015-03-08 0.756845 
13 2015-03-09 0.565863 
14 2015-03-10 0.148077 
days=10  
last_day = df["SeriesDate"].dt.date.iloc[-1] 
cutoff_date = last_day - pd.Timedelta(days=days) 
rng = pd.date_range(cutoff_date, last_day) 

rng = rng[(rng.dayofweek != 0) & (rng.dayofweek != 6)] 
print (rng) 
DatetimeIndex(['2015-02-28', '2015-03-03', '2015-03-04', '2015-03-05', 
       '2015-03-06', '2015-03-07', '2015-03-10'], 
       dtype='datetime64[ns]', freq=None) 

df1 = df[df['SeriesDate'].isin(rng)] 
print (df1) 
    SeriesDate Value_1 
4 2015-02-28 0.892167 
7 2015-03-03 0.903886 
8 2015-03-04 0.718148 
9 2015-03-05 0.645489 
10 2015-03-06 0.251285 
11 2015-03-07 0.139275 
14 2015-03-10 0.148077 
+1

而不是依靠日期時間索引排序和使用'iloc [-1]',使用'df ['SeriesDate']。max()'可能是可行的替代 –

+0

謝謝兩個,是否有可能到達cutoff_date,以便它忽略了週末日期?如果天數= 10,cutoff_date是忽略週末的前10天。這隻包括工作日。 – sg91

+0

@ sg91 - 請檢查最後的編輯。 – jezrael