Pandas DataFrame At_time Methode

Einführung

Die at_time()-Methode in Pandas wird verwendet, um Zeilenwerte zu einem bestimmten Zeitpunkt des Tages auszuwählen. Sie kann verwendet werden, um einen DataFrame basierend auf einem bestimmten Zeitpunkt zu filtern. Wenn der angegebene Zeitpunkt im DataFrame nicht vorhanden ist, wird ein leerer DataFrame zurückgegeben. Diese Methode ist besonders nützlich für die Zeitreihenanalyse. In diesem Lab werden wir lernen, wie die at_time()-Methode mit einem pandas DataFrame verwendet wird.

VM-Tipps

Nachdem der VM-Start abgeschlossen ist, klicken Sie in der oberen linken Ecke, um zur Registerkarte Notebook zu wechseln und Jupyter Notebook für die Übung zu nutzen.

Manchmal müssen Sie einige Sekunden warten, bis Jupyter Notebook vollständig geladen ist. Die Validierung von Vorgängen kann aufgrund von Einschränkungen in Jupyter Notebook nicht automatisiert werden.

Wenn Sie bei der Lernphase Probleme haben, können Sie Labby gerne fragen. Geben Sie nach der Sitzung Feedback ab, und wir werden das Problem für Sie prompt beheben.

Importieren der erforderlichen Bibliotheken

import pandas as pd

Erstellen eines DataFrames

Values = pd.date_range('2021-01-01', periods=4, freq='12H')
df = pd.DataFrame({'A': [1, 2, 3, 4], 'B': [1, 2, 3, 4]}, index=Values)
print(df)

Wählen von Werten zu einem bestimmten Zeitpunkt mit der at_time()-Methode

time = '12:00'
selected_rows = df.at_time(time)
print(selected_rows)

Umgang mit fehlenden Werten

Wenn der angegebene Zeitpunkt im DataFrame nicht vorhanden ist, gibt die at_time()-Methode einen leeren DataFrame zurück. Um dies zu behandeln, können Sie die fillna()-Methode verwenden, um fehlende Werte mit einem Standardwert zu füllen.

time = '01:00'
selected_rows = df.at_time(time).fillna('No data')
print(selected_rows)

Zusammenfassung

In diesem Lab haben wir gelernt, wie man die at_time()-Methode in Pandas verwendet, um die Werte von Zeilen zu einem bestimmten Zeitpunkt auszuwählen. Mit dieser Methode können wir einen DataFrame leicht nach Zeit filtern und Zeitreihenanalysen durchführen. Wir haben auch gelernt, wie man fehlende Werte behandelt, wenn der angegebene Zeitpunkt im DataFrame nicht vorhanden ist. Die at_time()-Methode ist ein leistungsstarkes Werkzeug für die Arbeit mit Zeitreihendaten in Pandas.