Метод at_time для DataFrame в Pandas

Введение

Метод at_time() в Pandas используется для выбора значений строк в определенное время суток. Он может быть использован для фильтрации DataFrame по конкретному времени. Если указанное время отсутствует в DataFrame, возвращается пустой DataFrame. Этот метод особенно полезен для анализа временных рядов. В этом лабе мы узнаем, как использовать метод at_time() с DataFrame pandas.

Советы по работе с ВМ

После запуска ВМ нажмите в левом верхнем углу, чтобы переключиться на вкладку Ноутбук, чтобы получить доступ к Jupyter Notebook для практики.

Иногда вам может потребоваться подождать несколько секунд, пока Jupyter Notebook не загрузится полностью. Валидация операций не может быть автоматизирована из-за ограничений Jupyter Notebook.

Если вы сталкиваетесь с проблемами во время обучения, не стесняйтесь обращаться к Labby. Оставьте отзыв после занятия, и мы оперативно решим проблему для вас.

Импортируем необходимые библиотеки

import pandas as pd

Создаем DataFrame

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)

Выбираем значения в определенное время с использованием метода at_time()

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

Обработка пропущенных значений

Если указанное время отсутствует в DataFrame, метод at_time() возвращает пустой DataFrame. Для обработки этого вы можете использовать метод fillna(), чтобы заполнить пропущенные значения значением по умолчанию.

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

Резюме

В этом практическом занятии мы узнали, как использовать метод at_time() в Pandas для выбора значений строк в определенное время. С помощью этого метода мы можем легко фильтровать DataFrame по времени и проводить анализ временных рядов. Мы также узнали, как обрабатывать пропущенные значения, когда указанное время отсутствует в DataFrame. Метод at_time() - это мощный инструмент для работы с данными временных рядов в Pandas.