熊猫：花式索引数据框

我有一个熊猫数据框，df1，这是一年的5分钟列A-Z的时间序列。熊猫：花式索引数据框

df1.shape 
(105121, 26) 
df1.index 
<class 'pandas.tseries.index.DatetimeIndex'> 
[2002-01-02 00:00:00, ..., 2003-01-02 00:00:00] 
Length: 105121, Freq: 5T, Timezone: None

我有第二个数据帧，DF2，这是一个长达一年的每天时间序列（较上年同期）相匹配的列。第二帧的值是布尔值。

df2.shape 
(365, 26) 
df2.index 
<class 'pandas.tseries.index.DatetimeIndex'> 
[2002-01-02 00:00:00, ..., 2003-01-01 00:00:00] 
Length: 365, Freq: D, Timezone: None

我想用DF2作为一个奇特的指数DF1，即“df1.ix [DF2]”或诸如此类，这样我回去每个日期DF1的列的子集 - 即那些DF2在当天说是真的（所有的时间戳都在其上）。因此，结果的形状应该是（105121，宽度），其中宽度是布尔人暗示的不同列数（宽度< = 26）。

目前，df1.ix [df2]仅部分工作。只有每天的00:00值被挑选出来，这对于df2的“点状”时间序列来说是有意义的。

我明年受审的时间跨度为DF2指数：

df2.index 
PeriodIndex: 365 entries, 2002-01-02 to 2003-01-01

这一次，我得到一个错误：

/home/wchapman/.local/lib/python2.7/site-packages/pandas-0.11.0-py2.7-linux-x86_64.egg/pandas/core/index.pyc in get_indexer(self, target, method, limit) 
    844    this = self.astype(object) 
    845    target = target.astype(object) 
--> 846    return this.get_indexer(target, method=method, limit=limit) 
    847 
    848   if not self.is_unique: 

AttributeError: 'numpy.ndarray' object has no attribute 'get_indexer'

我的临时解决方案是按日期循环，但这似乎效率不高。熊猫是否有这种奇特的索引？我没有看到文档中任何地方的例子。

来源

2013-05-15 Will

你可以重新取样'df2'至5分钟，并填写它。 – joris

谢谢 - 应该提到我也尝试过。得到ValueError：无法用多维键索引。 – Will

下面是做到这一点的一种方法：

t_index = df1.index 
d_index = df2.index 
mask = t_index.map(lambda t: t.date() in d_index) 
df1[mask]

稍微快（但具有相同的想法）是使用：

mask = pd.to_datetime([datetime.date(*t_tuple) 
          for t_tuple in zip(t_index.year, 
               t_index.month, 
               t_index.day)]).isin(d_index)

来源

2013-05-15 19:56:54

'.date'对于DatetimeIndex可能是一个有用的方法（我想我会把它放在一起）。 –

添加为[拉取请求]（https://github.com/pydata/pandas/pull/3614）。 :) –

谢谢安迪，但我的问题有点复杂。我需要使用df2的（布尔）_values_而不是索引作为df1的花式索引，如下所示（numpy）： a = np.arange（5） b = np.asarray（[True 。False，True，False，True]） a [b] ---> arrray（[0，2，4]）。碰巧，上面的代码拉回了整个df1，因为df1的日期时间都在df2的日子里面。我需要的是返回df1的正确_columns_，即在相应的df2列中由True值标识的那些_columns_。而这个选择会每天都有所不同。 – Will

熊猫：花式索引数据框

回答

相关问题