Wie kann ich einen Datenrahmen nach Zeitstempel zerlegen, wenn Timestamp nicht als Index klassifiziert ist?

Question

Wie kann ich meinen Pandas Datenrahmen unter Verwendung des Zeitstempels teilen?

ich habe folgende Preise, wenn ich df30m nennen:

   Timestamp Open High  Low Close  Volume 
0 2016-05-01 19:30:00 449.80 450.13 449.80 449.90 74.1760 
1 2016-05-01 20:00:00 449.90 450.27 449.90 450.07 63.5840 
2 2016-05-01 20:30:00 450.12 451.00 450.02 450.51 64.1080 
3 2016-05-01 21:00:00 450.51 452.05 450.50 451.22 75.7390 
4 2016-05-01 21:30:00 451.21 451.64 450.81 450.87 71.1190 
5 2016-05-01 22:00:00 450.87 452.05 450.87 451.07 73.8430 
6 2016-05-01 22:30:00 451.09 451.70 450.91 450.91 68.1490 
7 2016-05-01 23:00:00 450.91 450.98 449.97 450.61 84.5430 
8 2016-05-01 23:30:00 450.61 451.50 450.55 451.45 111.2370 
9 2016-05-02 00:00:00 451.47 452.31 450.69 451.19 190.0750 
10 2016-05-02 00:30:00 451.20 451.68 450.45 450.82 186.0930 
11 2016-05-02 01:00:00 450.83 451.64 450.65 450.73 112.4630 
12 2016-05-02 01:30:00 450.73 451.10 450.31 450.56 137.7530 
13 2016-05-02 02:00:00 450.56 452.01 449.98 450.27 151.6140 
14 2016-05-02 02:30:00 450.27 451.30 450.23 451.11 99.5490 
15 2016-05-02 03:00:00 451.29 451.29 450.17 450.33 178.9860 
16 2016-05-02 03:30:00 450.44 451.20 450.44 450.75 65.1480 
17 2016-05-02 04:00:00 450.79 451.20 450.75 451.00 78.0430 
18 2016-05-02 04:30:00 451.00 451.11 450.85 451.11 64.7250 
19 2016-05-02 05:00:00 451.11 451.64 451.00 451.12 73.4840 
20 2016-05-02 05:30:00 451.12 451.83 450.67 451.33 94.1950 
21 2016-05-02 06:00:00 451.35 451.37 450.17 450.18 227.7480 
22 2016-05-02 06:30:00 450.18 450.43 450.17 450.17 83.0270 
23 2016-05-02 07:00:00 450.17 450.43 448.90 449.41 170.4950 
24 2016-05-02 07:30:00 449.38 450.00 448.56 448.56 243.0420 
25 2016-05-02 08:00:00 448.67 448.67 446.21 448.00 525.7090 
26 2016-05-02 08:30:00 448.12 448.49 445.00 445.00 673.5810 
27 2016-05-02 09:00:00 445.00 445.51 440.11 444.20 1392.9049 
28 2016-05-02 09:30:00 444.24 444.36 440.11 442.00 438.6860 
29 2016-05-02 10:00:00 441.91 443.20 440.05 442.24 400.5850 
...     ...  ...  ...  ...  ...  ... 
1651 2016-06-05 05:00:00 578.74 579.00 577.92 578.39 93.6980 
1652 2016-06-05 05:30:00 578.40 578.48 574.52 575.26 98.1580 
1653 2016-06-05 06:00:00 575.24 576.02 572.47 574.06 126.8620 
1654 2016-06-05 06:30:00 574.06 576.35 574.06 576.34 125.4120 
1655 2016-06-05 07:00:00 576.34 576.34 574.73 575.83 34.8070 
1656 2016-06-05 07:30:00 575.84 576.27 574.91 575.58 74.8180 
1657 2016-06-05 08:00:00 575.58 578.57 575.58 578.36 123.2560 
1658 2016-06-05 08:30:00 578.23 578.47 576.18 577.25 43.6590 
1659 2016-06-05 09:00:00 577.20 578.85 576.70 577.27 95.3900 
1660 2016-06-05 09:30:00 577.36 578.18 576.70 576.70 51.0250 
1661 2016-06-05 10:00:00 576.70 576.70 574.55 575.39 101.0590 
1662 2016-06-05 10:30:00 575.41 576.44 575.18 576.44 86.4340 
1663 2016-06-05 11:00:00 576.50 577.89 576.50 577.80 113.0600 
1664 2016-06-05 11:30:00 577.80 578.10 576.03 576.98 57.5050 
1665 2016-06-05 12:00:00 576.98 577.55 576.59 577.54 56.1070 
1666 2016-06-05 12:30:00 577.54 583.00 570.93 572.82 872.8200 
1667 2016-06-05 13:00:00 572.94 573.19 569.64 572.50 310.0020 
1668 2016-06-05 13:30:00 572.50 574.37 572.50 574.09 59.3410 
1669 2016-06-05 14:00:00 574.09 574.19 571.51 572.98 155.4310 
1670 2016-06-05 14:30:00 572.98 573.57 572.02 573.47 76.9270 
1671 2016-06-05 15:00:00 573.62 575.10 572.97 573.37 59.1430 
1672 2016-06-05 15:30:00 573.37 574.39 573.37 574.38 77.3270 
1673 2016-06-05 16:00:00 574.39 575.59 574.38 575.59 52.0150 
1674 2016-06-05 16:30:00 575.00 575.59 574.50 575.00 66.9300 
1675 2016-06-05 17:00:00 575.00 576.83 574.38 576.60 50.2990 
1676 2016-06-05 17:30:00 576.60 577.50 575.50 576.86 104.5200 
1677 2016-06-05 18:00:00 576.86 577.21 575.44 575.80 55.3270 
1678 2016-06-05 18:30:00 575.77 575.80 574.52 574.77 78.7760 
1679 2016-06-05 19:00:00 574.73 575.18 572.52 574.47 126.4300 
1680 2016-06-05 19:30:00 574.49 574.87 573.80 574.32 10.4930 

Wie Sie sehen können, ist es die letzten 35 Tage mit Intervallen von 30 min gruppiert enthält.

Ich möchte diese Preisentwicklung in verschiedenen Zeitfenstern manipulieren.

Also, als Anfänger Beispiel möchte ich nur die Informationen von den letzten 1 Tag holen.

Wie kann ich diesen Datenrahmen filtern, um die Informationen des letzten Tages anzuzeigen?

Dies ist, was ich versucht habe:

import datetime 

d0 = datetime.datetime.today() 
d1 = datetime.datetime.today() - datetime.timedelta(days=1) 

print d0 
>>> 2016-06-05 17:10:37.633824 

print d1 
>>> 2016-06-04 17:10:37.633967 

df_1d = df30m['Timestamp'] > d1 

print df_1d 

Das gibt mir eine Reihe Pandas mit True gefüllt oder falsch

0 False 
1 False 
2 False 
3 False 
4 False 
... 
1676 True 
1677 True 
1678 True 
1679 True 
1680 True 

Auch habe ich versucht habe das between_time() Modul zu verwenden.

df_1d = df30m.between_time(d0, d1) 

Aber ich bekam die folgende Fehlermeldung:

TypeError: Index must be DatetimeIndex 

Bitte kann mir jemand zeigt einen pythonic Weg, um meinen Datenrahmen zu schneiden?

Answer 1

Sie können loc verwenden, um Ihre Daten zu indizieren. Weißt du, ob deine Zeitstempel bei datetime.datetime Formaten oder Pandas Timestamps sind?

df30m.loc[(df30m.Timestamp <= d0) & (df30m.Timestamp >= d1)] 

Sie können den Index der Spalte Zeitstempel gesetzt und dann Index wie folgt:

df.set_index('Timestamp', inplace=True) 
df[d1:d0]