如何按星期几和一天中的小时过滤pandas DatetimeIndex

刚好我之前处理过类似的需求，给你分享一个简洁高效的解决方案，完全能满足你保留指定(星期几, 小时)组合时间戳的需求。

先从构造示例数据开始（和你的输入一致） #

先把你给出的示例转换成可运行的代码，方便后续测试：

import pandas as pd

# 构造你的示例DataFrame
data = {'value': [1, 2, 3, 4, 5, 6, 7]}
time_index = pd.DatetimeIndex([
    '2016-04-02 06:30:00',
    '2016-04-02 06:45:00',
    '2016-04-02 07:00:00',
    '2016-04-02 07:15:00',
    '2016-04-03 07:30:00',
    '2016-04-03 07:45:00',
    '2016-04-03 08:00:00'
])
df = pd.DataFrame(data, index=time_index)

定义你的有效时间组合 #

就是你给出的列表，这里要注意Pandas的dayofweek规则：0代表周一，4是周五，5是周六，刚好和你的需求对应：

valid_day_hour = [(4, 6), (5, 7)]

核心过滤逻辑 #

我们可以利用DatetimeIndex的dayofweek和hour属性，把每个时间戳转换成(星期几, 小时)的元组，再用isin()判断是否在有效列表里。这里有两种写法，你可以选顺手的：

写法1：直观的列表推导式（适合小数据集） #

# 生成每个时间戳的(星期几, 小时)元组
day_hour_pairs = list(zip(df.index.dayofweek, df.index.hour))
# 生成布尔掩码：True表示符合条件
filter_mask = [pair in valid_day_hour for pair in day_hour_pairs]
# 过滤得到结果
filtered_df = df[filter_mask]

写法2：向量化操作（适合大数据集，效率更高） #

# 用apply把每个时间戳转换成元组，再判断是否在有效列表中
filtered_df = df[
    df.index.to_series().apply(lambda ts: (ts.dayofweek, ts.hour)).isin(valid_day_hour)
]

查看最终结果 #

运行后filtered_df的输出完全符合你的预期：

value
2016-04-02 06:30:00      1
2016-04-02 06:45:00      2
2016-04-03 07:30:00      5

额外小提示 #

如果之后需要扩展条件（比如匹配某个小时范围，比如周五的6-8点），可以调整判断逻辑，比如：

# 示例：保留周五（dayofweek=4）6-8点的所有时间戳
extended_mask = (df.index.dayofweek == 4) & (df.index.hour.between(6, 8))
extended_filtered_df = df[extended_mask]

内容的提问来源于stack exchange，提问作者motam79