Usando Python 3.9 en mac con Pycharm. Tengo un .csv que contiene dos columnas: fechas/horas como cadena y flotante:
time Value 0 2021-12-01 20:00:00 166 1 2021-12-01 19:59:00 165La granularidad del tiempo es por minuto, la mayoría de los días (se saltan algunos días). Lo que me gustaría hacer es tomar un solo valor para cada día de la lista en un momento específico, por ejemplo, todos los días contenidos en los datos a las 5:00 p. m. De esa manera, en lugar de tener cientos de valores por día, tendría:
time Value 0 2021-12-02 17:00:00 166 1 2021-12-01 17:00:00 165 etcLo mejor que se me ocurrió al leer sobre la división de cadenas/series de tiempo es un bucle for donde los tiempos se dividen y el índice de 17:00:00 se usa para formar una nueva lista.
df = pd.read_csv('name') datetime = df['time'].str.split() temp_df = pd.DataFrame() for _ in range(0, len(df)): if datetime[_][1] == '17:00:00': temp_df = temp_df.append(df.loc[[_]], ignore_index=True) temp_df['time'] = pd.to_datetime(temp_df['time']) #make datetime for further computing print(temp_df) output: ... time Value 175 2021-12-01 17:00:00 164 1083 2021-11-30 17:00:00 165 3313 2021-11-24 17:00:00 161 La otra forma sería dividirlo usando df['Dates'] = pd.to_datetime(df['time']).dt.date , pero no parece menos exigente que mi bucle actual.
He encontrado fuentes sobre la clasificación/selección de fechas/rangos (incluida la documentación de Pandas ), pero ninguna que le permita mantener e ignorar la fecha mientras selecciona la hora.
Prueba esto:
df[df.time.str.contains('17:00:00')]mantener pero ignorar la fecha mientras selecciona la hora
Después de convertir los tiempos to_datetime :
df.time = pd.to_datetime(df.time) Utilice Series.dt.time para comparar con datetime.time :
from datetime import time temp_df = df[df.time.dt.time == time(17, 0)] O use Series.dt.strftime para comparar solo la porción %H:%M:%S :
temp_df = df[df.time.dt.strftime('%H:%M:%S').eq('17:00:00')]Todo esto se hace sin un bucle, utilizando comparaciones vectorizadas e indexación booleana .
También puede comparar cadenas (como la respuesta de datetime ), pero almacenar datos de tiempo como objetos de fecha y hora reales facilitará el análisis a largo plazo.
Si desea descartar datos donde la hora de la marca de tiempo no es 17:00:00 de todos modos, creo que la solución más eficiente es no analizar la fecha y hora al importar a df , es decir, dejar fecha/hora como cadena. A continuación, seleccione los elementos en los que la hora sea las 5 p. m. y analice solo aquellos hasta fecha y hora.
Una pequeña timeit muestra que la comparación de cadenas es tan buena como comparar la parte de time de una columna de tipo de fecha y hora con un objeto de time ; sin embargo, la comparación de cadenas ahorraría cálculos ya que, en primer lugar, analiza muchas menos cadenas para fecha y hora.
from datetime import time import pandas as pd # make hourly data, ~100k elements s_dt = pd.date_range('2010-01-01', '2020-12-31', freq='H').to_series() s_str = s_dt.astype(str) %timeit m = s_str.str.contains('17:00:00') 38.5 ms ± 1.5 ms per loop (mean ± std. dev. of 7 runs, 10 loops each) %timeit m = s_str.str.split(' ').str[1] == '17:00:00' 94 ms ± 1.92 ms per loop (mean ± std. dev. of 7 runs, 10 loops each) %timeit m = s_dt.dt.time == time(17, 0) 41.9 ms ± 391 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)