如何在C#中用Deedle筛选不可按日期索引的训练日志数据

问题场景 #

CSV格式的训练日志中，Date列存在重复值，无法直接将其设为索引，需要筛选出2022年8月15日及之后的训练记录，使用Deedle库时遇到Rows.After需要复合索引的问题。

解决方案 #

无需对数据进行分组，直接针对原始Frame的Date列做过滤是更简洁高效的方式：

修改后的完整代码 #

using Deedle;
using System;
using System.IO;

namespace Volume_Analysis_Tool
{
    public class Program
    {
        static void Main(string[] args)
        {
            // 读取CSV文件，自动推断列类型
            Frame<int, string> workouts = Frame.ReadCsv(
                Path.Combine(Environment.CurrentDirectory, "./data/strong218049301181757984.csv"),
                hasHeaders: true,
                separators: ";",
                inferTypes: true);

            // 筛选2022年8月15日及之后的行
            var filteredWorkouts = workouts.Rows.Where(row => 
                row.GetAs<DateTime>("Date") >= new DateTime(2022, 8, 15));

            // 打印筛选结果
            filteredWorkouts.Print();
        }
    }
}

关键说明 #

1. 移除无用引用：删除了代码中未用到的System.Net.Sockets、System.Runtime.CompilerServices等命名空间，精简代码结构。
2. 直接过滤行：通过Rows.Where方法遍历每一行，判断Date列的值是否大于等于目标日期，直接得到符合条件的数据集，避免了分组带来的复合索引问题。
3. 类型安全处理：使用GetAs<DateTime>("Date")确保Date列以DateTime类型读取，由于初始化时设置了inferTypes: true，Deedle已自动推断出该列的类型。

若坚持使用分组后的处理（不推荐） #

如果一定要基于分组后的Frame操作，需要传入分组后的复合索引键（日期+组内序号），示例如下：

var grouped = workouts.GroupRowsBy<DateTime>("Date");
// 筛选分组后日期在2022-08-15之后的所有组
var filteredGrouped = grouped.Rows.After(new Tuple<DateTime, int>(new DateTime(2022, 8, 15), int.MinValue));
// 将分组数据展开为原始行结构
var filteredWorkouts = filteredGrouped.SelectMany(group => group.Value.Rows);
filteredWorkouts.Print();

这种方式需要额外展开分组，效率低于直接过滤原始数据，仅在有其他分组需求时使用。

内容的提问来源于stack exchange，提问作者Vocaloidas