在日期范围内切片熊猫数据框

Question

我正在使用熊猫分析财务记录。

我有一个来自一个CSV文件看起来像这样一个DataFrame：

<class 'pandas.core.frame.DataFrame'> 
DatetimeIndex: 800 entries, 2010-10-27 00:00:00 to 2011-07-12 00:00:00 
Data columns: 
debit      800 non-null values 
transaction_type   799 non-null values 
transaction_date_raw  800 non-null values 
credit      800 non-null values 
transaction_description 800 non-null values 
account_number    800 non-null values 
sort_code     800 non-null values 
balance     800 non-null values 
dtypes: float64(3), int64(1), object(4) 

我基于交易量选择一个子集：

c1 = df['credit'].map(lambda x: x > 1000) 
milestones = df[c1].sort() 

，并希望创建的切片原始DF基于里程碑之间的日期：

delta = dt.timedelta(days=1) 
for i in range(len(milestones.index)-1): 
     start = milestones.index[i].date() 
     end = milestones.index[i+1].date() - delta 
     rng = date_range(start, end) 

th将生成一个新的系列，其中包含我的里程碑之间的日期。

<class 'pandas.tseries.index.DatetimeIndex'> 
[2010-11-29 00:00:00, ..., 2010-12-30 00:00:00] 
Length: 32, Freq: D, Timezone: None 

我跟了几种方法使用这些新系列（RNG）切开我的DF，但都失败了：

df.ix[start:end] or 
df.ix[rng] 

这引起了：IndexError：无效片

df.reindex(rng) or df.reindex(index=rng) 

提出：例外：Reindexing只对唯一有价值的索引对象有效

x = [v for v in rng if v in df.index] 
df[x] 
df.ix[x] 
df.index[x] 

这也引起了无效片，也是如此：

df.truncate(start, end) 

我是新来的大熊猫，我正在关注的书从奥赖利的提前释放，充分地享受它。任何指针将不胜感激。

Answer 1

看起来你已经打了一对情侣在非唯一索引处理已知错误的：

https://github.com/pydata/pandas/issues/1201/

https://github.com/pydata/pandas/issues/1587/

一个bug修复版本很快会出来，请检查熊猫网站或PyPI在一周左右。

感谢

Answer 2

我已经成功地规避一些问题上面强调，这里是一个“解决方案”，直到她常提到的错误都解决了。

我从以前的原始TimeSeries索引DataFrame开始。我对df进行排序，按日期排序记录（使用TimeSeries索引）。

df = df.sort() 

一旦排序我替换df。用数字索引的索引

df.index = range(len(df)) 

随后，我像以前提取我的里程碑与区别，现在这些都将有一个指数，这是一个积极的int和创建索引列表：

milestones_list = milestones_df.index.tolist() 

和提取从原始我的里程碑之间的数据DF用数字指标像这样：

datasets = {} 
    for milestone in milestones_list: 
     milestone_index = milestones_list.index(milestone) 
     print "milestone {0} index {1}".format(milestone, milestone_index) 
     if milestone_index < len(milestones_list) -1: 
      x = df[milestones_df.index[milestone_index]:milestones_df.index[milestone_index+1]] 
     else: 
      x = df[milestones_df.index[milestone_index]:df.index.max()] 

     n = str(int(x.index.min())) +'-'+ str(int(x.index.max())) 
     datasets[n] = x 

这创造了一个字典与DataFrames为命名为印出每个里程碑时间间隔x代表它们的间隔。

print datasets.keys() 
['592-650', '448-527', '382-447', '264-318', '319-381', '118-198', '528-591', '728-798', '54-117', '199-263', '651-727'] 

虽然承认不是理想的解决方案，但我希望它能帮助有类似问题的人。