Введение:

При работе с данными временных рядов в Python в вашем распоряжении одна из самых мощных библиотек — Pandas. Он предоставляет широкий спектр функций для манипулирования, анализа и визуализации временных данных. Однако работать с диапазонами дат и времени иногда может быть сложно, поскольку вы можете столкнуться с такими ошибками, как «Наносекундная метка времени вне границ». В этой статье блога мы рассмотрим различные методы решения таких ситуаций и максимально эффективно используем возможности Pandas.

Метод 1. Использование индексатора loc

Один из способов разрезать DataFrame Pandas на основе диапазона дат и времени — использовать индексатор loc. Допустим, у вас есть DataFrame под названием dfс индексом DateTime. Чтобы извлечь строки между 25 ноября 2019 г. и 19 ноября 219 г. (недопустимый год), вы можете использовать следующий код:

df.loc['2019-11-25':'219-11-19']

Однако, если вы столкнулись с ошибкой «Вне границ наносекундной метки», это означает, что указанная дата выходит за пределы допустимого диапазона временных меток, которые может обрабатывать Pandas (обычно до 2262 года). В таких случаях необходимо рассмотреть альтернативные подходы.

Метод 2: использование функции pd.to_datetime

Чтобы решить проблему выхода за пределы дат, вы можете преобразовать строки даты в объекты Timestamp Pandas с помощью функции pd.to_datetime. Эта функция обеспечивает большую гибкость и позволяет обрабатывать более широкий диапазон дат. Вот пример:

start_date = pd.to_datetime('2019-11-25')
end_date = pd.to_datetime('219-11-19')
df.loc[start_date:end_date]

Явным преобразованием дат в временные метки можно избежать ошибки выхода за границы и получить желаемый диапазон данных.

Метод 3. Использование частичной индексации строк

Еще один удобный метод — использование частичной индексации строк. При таком подходе вы можете извлекать строки на основе частичных совпадений строки даты. Например, чтобы получить все строки за ноябрь 2019 года, вы можете использовать следующий код:

df.loc['2019-11']

Это даст вам все строки, попадающие в указанный месяц, независимо от дня и времени.

Метод 4. Использование метода between_time

Если вы хотите извлечь строки на основе определенного диапазона времени в течение каждого дня, вы можете использовать метод between_time. Вот пример, который извлекает данные между 9:00 и 17:00:

df.between_time('9:00', '17:00')

Этот метод позволяет фильтровать DataFrame на основе компонента времени, независимо от даты.

Pandas предоставляет несколько методов обработки диапазонов дат и времени в Python. В этой статье мы рассмотрели такие методы, как использование индексатора loc, преобразование дат с помощью pd.to_datetime, использование индексации частичной строки и использование метода between_time.. Освоив эти подходы, вы сможете с легкостью эффективно извлекать и анализировать временные данные.

Помните: независимо от того, работаете ли вы с финансовыми данными, показаниями датчиков Интернета вещей или любыми другими данными временных рядов, Pandas — ваш идеальный инструмент для манипулирования и анализа данных.