您的位置：首页 > 脚本大全 > > 正文

python获取特定时间日期的数据（Python提取特定时间段内数据的方法实例）

更多时间：2021-10-27 10:14:16 类别：脚本大全浏览量：1837

python获取特定时间日期的数据

Python提取特定时间段内数据的方法实例

python提取特定时间段内的数据

尝试一下：

1 2	`data['Date']` `=` `pd.to_datetime(data['Date'])` `data` `=` `data[(data['Date'] >=pd.to_datetime('20120701')) & (data['Date'] <=` `pd.to_datetime('20120831'))]`

实际测试

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23 '''

Created on 2019年1月3日

@author: hcl

'''

import pandas as pd

import matplotlib.pyplot as plt

data_path = 'one_20axyz.csv'

if __name__ == '__main__':

msg = pd.read_csv(data_path)

# ID_set = set(msg['Time'].tolist())

# ID_list = list(ID_set)

# print(len(msg['Time'].tolist()),len(ID_list),len(msg['Time'].tolist())/len(ID_list))#打印数据量多少秒平均每秒多少个

# print(msg.head(10))

# left_a = msg[msg['leg'] == 1]['az']

# right_a = msg[msg['leg'] == 2]['az']

# plt.plot(left_a,label = 'left_a')

# plt.plot(right_a,label = 'right_a')

# plt.legend(loc = 'best')

# plt.show()

left_msg = msg[msg['leg'] == 1] #DataFrame

data = left_msg[(pd.to_datetime(left_msg['Time'] ,format = '%H:%M:%S')>= pd.to_datetime('16:23:42',format = '%H:%M:%S')) & (pd.to_datetime(left_msg['Time'] ,format = '%H:%M:%S') <= pd.to_datetime('16:23:52',format = '%H:%M:%S'))]

# print(msg.head())

print(data)

输出：

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

39

40

41

42

43

44

45

46

47

48

49

50

51

52

53

54

55

56

57

58

59

60

61

62

63 Time ID leg ax ay az a Rssi

1 16:23:42 5 1 0.6855 -0.6915 0.1120 0.980116 -34

3 16:23:42 5 1 0.6800 -0.6440 0.1365 0.946450 -31

5 16:23:42 5 1 0.7145 -0.7240 0.1095 1.023072 -34

7 16:23:42 5 1 0.7050 -0.6910 0.1080 0.993061 -30

9 16:23:42 5 1 0.7120 -0.6400 0.0920 0.961773 -31

10 16:23:42 5 1 0.7150 -0.6810 0.1290 0.995805 -34

12 16:23:42 5 1 0.7250 -0.6655 0.1890 1.002116 -32

13 16:23:42 5 1 0.7160 -0.7065 0.1000 1.010840 -31

15 16:23:42 5 1 0.7545 -0.6990 0.1715 1.042729 -30

17 16:23:42 5 1 0.7250 -0.6910 0.1325 1.010278 -31

19 16:23:42 5 1 0.7520 -0.7260 0.1820 1.060992 -33

21 16:23:42 5 1 0.7005 -0.7150 0.0605 1.002789 -33

23 16:23:42 5 1 0.7185 -0.6630 0.1430 0.988059 -30

25 16:23:42 5 1 0.7170 -0.7040 0.0920 1.009044 -34

27 16:23:42 5 1 0.7230 -0.6810 0.1060 0.998862 -31

29 16:23:42 5 1 0.7230 -0.6720 0.0940 0.991539 -31

31 16:23:42 5 1 0.6955 -0.6975 0.0720 0.987629 -33

32 16:23:42 5 1 0.7430 -0.6895 0.1495 1.024602 -34

34 16:23:43 5 1 0.7360 -0.6855 0.1200 1.012920 -32

36 16:23:43 5 1 0.7160 -0.7000 0.1330 1.010121 -30

38 16:23:43 5 1 0.7095 -0.7165 0.1090 1.014221 -31

40 16:23:43 5 1 0.7195 -0.6895 0.1270 1.004599 -34

44 16:23:43 5 1 0.7315 -0.6855 0.1000 1.007473 -34

46 16:23:43 5 1 0.7240 -0.7020 0.0960 1.013013 -31

48 16:23:43 5 1 0.7240 -0.7010 0.0970 1.012416 -32

50 16:23:43 5 1 0.7380 -0.6820 0.1480 1.015713 -34

52 16:23:43 5 1 0.7285 -0.6990 0.0990 1.014453 -33

53 16:23:43 5 1 0.7160 -0.7005 0.1630 1.014852 -30

55 16:23:43 5 1 0.7175 -0.6940 0.0735 1.000922 -29

57 16:23:43 5 1 0.7140 -0.7170 0.0960 1.016416 -28

.. ... .. ... ... ... ... ... ...

285 16:23:51 5 1 0.0550 -1.0205 0.0955 1.026433 -35

287 16:23:51 5 1 0.0670 -1.0175 0.0915 1.023801 -22

289 16:23:51 5 1 0.0595 -1.0090 0.1025 1.015937 -24

291 16:23:51 5 1 0.0605 -0.9970 0.0905 1.002925 -32

293 16:23:51 5 1 0.0650 -1.0185 0.0740 1.023251 -31

295 16:23:51 5 1 0.0595 -0.9915 0.0945 0.997769 -35

298 16:23:51 5 1 0.0420 -1.0105 0.0970 1.016013 -18

300 16:23:51 5 1 0.0545 -1.0440 0.0795 1.048440 -21

302 16:23:51 5 1 0.0460 -0.9915 0.0765 0.995510 -30

304 16:23:51 5 1 0.0650 -1.0100 0.0810 1.015326 -30

306 16:23:51 5 1 0.0530 -1.0240 0.0765 1.028220 -34

308 16:23:51 5 1 0.0490 -1.0060 0.0785 1.010247 -21

310 16:23:52 5 1 0.0490 -1.0155 0.0760 1.019518 -24

312 16:23:52 5 1 0.0370 -0.9870 0.0660 0.989896 -30

313 16:23:52 5 1 0.0400 -1.0185 0.0435 1.020213 -30

314 16:23:52 5 1 0.0450 -1.0070 0.0540 1.009450 -34

316 16:23:52 5 1 0.0420 -0.9800 0.0595 0.982703 -34

318 16:23:52 5 1 0.0400 -1.0000 0.0595 1.002567 -20

320 16:23:52 5 1 0.0355 -1.0025 0.0635 1.005136 -20

322 16:23:52 5 1 0.0430 -0.9940 0.0735 0.997641 -30

324 16:23:52 5 1 0.0480 -1.0135 0.0640 1.016652 -33

326 16:23:52 5 1 0.0440 -1.0035 0.0670 1.006696 -33

328 16:23:52 5 1 0.0455 -1.0090 0.0600 1.011806 -21

330 16:23:52 5 1 0.0420 -1.0005 0.0605 1.003207 -15

332 16:23:52 5 1 0.0510 -1.0165 0.0670 1.019981 -29

334 16:23:52 5 1 0.0300 -1.0040 0.0460 1.005501 -30

336 16:23:52 5 1 0.0370 -1.0130 0.0500 1.014908 -34

338 16:23:52 5 1 0.0500 -1.0010 0.0530 1.003648 -20

341 16:23:52 5 1 0.0400 -0.9630 0.0615 0.965790 -21

343 16:23:52 5 1 0.0365 -1.0295 0.0410 1.030962 -30

[176 rows x 8 columns]

总结

以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，谢谢大家对开心学习网的支持。如果你想了解更多相关内容请查看下面相关链接

原文链接：https://blog.csdn.net/zhuisaozhang1292/article/details/85207298

标签：Python 时间段提取数据

上一篇：mysql中的null是什么（浅谈为什么Mysql数据库尽量避免NULL）

下一篇：view组件讲解（浅谈移动端中的视口viewport的具体使用）

您可能感兴趣

python获取特定时间日期的数据（Python提取特定时间段内数据的方法实例）

python获取特定时间日期的数据

热门推荐

排行榜