Python中如何筛选Pandas DataFrame中时间参数特定分布区间的数据

实现方法 #

首先你需要先获取直方图的区间边界和对应频数，再定位到你要的红框对应的区间，最后按区间筛选数据即可，具体代码如下：

步骤1：绘制直方图同时获取区间参数

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 绘制直方图时开启return_bins参数，获取每个区间的频数n、区间边界bins、图形对象patches
n, bins, patches = df_input['time'].plot(kind='hist', figsize=(10,10), return_bins=True)
plt.grid()
plt.show()

说明：返回的bins是升序排列的区间边界数组，n是每个区间对应的频数，和bins一一对应，直方图默认使用左闭右开区间，最后一个区间为左闭右闭。

步骤2：定位目标区间

你可以按时间或者频数两种方式定位你要的红框区间：

方式A：按目标时间定位

target_time = 0.006  # 你要的目标时间值
# 查找目标时间所属的区间索引
bin_idx = np.digitize(target_time, bins) - 1
# 提取对应区间的左右边界
left_bound = bins[bin_idx]
right_bound = bins[bin_idx + 1]
print(f"目标区间：[{left_bound:.6f}, {right_bound:.6f}]，对应频数：{n[bin_idx]:.1e}")

方式B：按目标频数定位

target_count = 7.5 * 10**5  # 你要的目标频数值
# 查找频数最接近目标值的区间索引
bin_idx = np.argmin(np.abs(n - target_count))
left_bound = bins[bin_idx]
right_bound = bins[bin_idx + 1]
print(f"目标区间：[{left_bound:.6f}, {right_bound:.6f}]，对应频数：{n[bin_idx]:.1e}")

步骤3：提取对应区间的所有数据

# 筛选time字段落在目标区间内的所有行
df_target = df_input[(df_input['time'] >= left_bound) & (df_input['time'] < right_bound)]

# 如果需要去除重复行，可以加如下代码
# df_target = df_target.drop_duplicates()

筛选得到的df_target就是你需要的红框区间对应的所有数据。

内容的提问来源于stack exchange，提问作者MMM