在本实验中，我们将学习如何在 Pandas DataFrame 中使用 between_time() 方法。该方法允许我们选择一天中特定时间段内的值。它可以用于从 DataFrame 中过滤和提取基于特定时间的数据。
虚拟机启动完成后，点击左上角切换到 Notebook 选项卡以访问 Jupyter Notebook 进行练习。
有时，你可能需要等待几秒钟，直到 Jupyter Notebook 完成加载。由于 Jupyter Notebook 的限制，操作验证无法自动化。
如果你在学习过程中遇到问题，请随时向 Labby 寻求帮助。实验结束后请提供反馈，我们将及时为你解决问题。
在使用 between_time() 方法之前，我们需要导入必要的库。在本实验中，我们将使用 Pandas 库。
import pandas as pd接下来，让我们创建一个包含时间数据的 DataFrame。我们可以使用 Pandas 的 date_range() 函数生成一个日期序列，然后将其设置为 DataFrame 的索引。
values = pd.date_range('2021-01-01', periods=4, freq='20T')
df = pd.DataFrame({'A': [1, 2, 3, 4], 'B': [1, 2, 3, 4]}, index=values)现在我们已经有了 DataFrame，接下来让我们使用 between_time() 方法选择特定开始时间和结束时间之间的值。我们可以直接将开始时间和结束时间作为参数传递给该方法。该方法将返回一个新的 DataFrame，其中仅包含指定时间段内的行。
df_selected = df.between_time('00:00', '01:00')between_time() 方法还允许我们自定义 include_start 和 include_end 参数。默认情况下，这些参数设置为 True，这意味着结果中会包含开始时间和结束时间。
df_selected = df.between_time('00:00', '01:00', include_start=False, include_end=False)如果 DataFrame 的索引不是 DatetimeIndex，between_time() 方法将引发 TypeError。为了避免此错误，请确保你的 DataFrame 索引是 DatetimeIndex。
df = pd.DataFrame({'A': [1, 2, 3, 4], 'B': [1, 2, 3, 4]}, index=[1, 2, 3, 4])
## 这将引发 TypeError
df_selected = df.between_time('00:00', '01:00')在本实验中，我们学习了如何在 Pandas DataFrame 中使用 between_time() 方法。该方法允许我们选择一天中特定时间段内的值。我们可以自定义开始时间和结束时间，以及是否包含开始和结束时间，从而从 DataFrame 中过滤和提取特定的时间数据。为了避免 TypeError 错误，确保 DataFrame 的索引是 DatetimeIndex 非常重要。此方法在各种应用中非常有用，例如分析时间序列数据以及从数据集中提取特定时间段。