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)
类别:脚本大全 浏览量:1837
时间:2021-10-27 10:14:16 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:
|
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
|
''' 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:
|
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
您可能感兴趣
- python分步式进程计算(python中如何使用分步式进程计算详解)
- python爬虫并保存excel实例(Python实现爬取亚马逊数据并打印出Excel文件操作示例)
- python本地ocr库(详解Python安装tesserocr遇到的各种问题及解决办法)
- python自动计算机器人(python实现nao机器人手臂动作控制)
- python获取excelsheet名称(python查询文件夹下excel的sheet名代码实例)
- python操作json库(Python将json文件写入ES数据库的方法)
- python3常用内建函数(Python3中函数参数传递方式实例详解)
- python获取企业微信信息(通过shell+python实现企业微信预警)
- python表格导出为图片(python生成带有表格的图片实例)
- pycharm怎么创建django项目(Python、 Pycharm、Django安装详细教程图文)
- python time模块记录时间(Python Datetime模块和Calendar模块用法实例分析)
- python中tryexcept的用法(对python中的try、except、finally 执行顺序详解)
- python云服务技术(Python脚本修改阿里云的访问控制列表的方法)
- python中读取文件怎么操作(Python实现的读取文件内容并写入其他文件操作示例)
- 如何查看python beautifulsoup(Python爬虫beautifulsoup4常用的解析方法总结)
- python矩阵怎么生成(python实现矩阵打印)
- 他是梁山最早的头目,江湖人称 旱地忽律 ,宋江几乎将其遗忘(他是梁山最早的头目)
- 梁山创始人杜迁,为何不受宋江待见,只排名83位(梁山创始人杜迁)
- 法国面包(法国面包法棍)
- 微信(微信分身)
- 双十二(双十二和双十一哪个划算)
- 佛肚竹盆景的养护之道(佛肚竹盆景的养护之道)
热门推荐
- python抽奖转盘代码(详解python--模拟轮盘抽奖游戏)
- 如何租云服务器(云服务器也可以合租吗?)
- IIS经典模式和集成模式的区别
- javapoi简单代码(Java使用Apache.POI中HSSFWorkbook导出到Excel的实现方法)
- css3支持多重背景吗(真正了解CSS3背景下的@font face规则)
- elementui和vue详解(Vue+Element UI实现概要小弹窗的全过程)
- vue商城购物车数据(vue实现购物车全部功能的简单方法)
- 云服务器可以自己建网站吗(自己建网站怎么选择服务器)
- nodejs怎么查看对象的全部属性(浅谈nodejs中创建cluster)
- C# xml和对象的序列化与反序列化
排行榜
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9