Pandas：如何基于指定星期与月份筛选datetime列数据

嘿，我来帮你搞定这个筛选需求！假设你用的是Python的pandas来处理这份数据（毕竟它处理时间序列数据超级顺手），下面是一步步的实现方法：

步骤1：确保时间列是datetime类型 #

首先得把你的Start Time列从字符串转换成pandas能识别的datetime类型，不然没法提取星期和月份信息：

import pandas as pd

# 先读取你的数据（示例）
df = pd.read_csv('your_trip_data.csv')

# 转换时间列为datetime类型
df['Start Time'] = pd.to_datetime(df['Start Time'])

步骤2：定义用户输入的目标筛选条件 #

假设用户输入的目标星期是"Sunday"，目标月份是"June"，我们把它们存成变量：

target_weekday = "Sunday"  # 用户指定的星期名称
target_month = "June"      # 用户指定的月份名称

步骤3：执行筛选操作 #

利用pandas的dt访问器提取星期和月份的英文名称（dt.day_name() 提取星期，dt.month_name() 提取月份），然后用逻辑“与”（&）同时匹配两个条件：

# 筛选符合条件的数据
filtered_df = df[(df['Start Time'].dt.day_name() == target_weekday) & 
                 (df['Start Time'].dt.month_name() == target_month)]

# 查看筛选结果
print(filtered_df)

针对旧版pandas的兼容方案 #

如果你的pandas版本低于1.1.0，dt.day_name() 和 dt.month_name() 这两个方法还不存在，可以用下面的方式处理：

# 映射月份数字到英文名称
month_mapping = {
    1: 'January', 2: 'February', 3: 'March', 4: 'April',
    5: 'May', 6: 'June', 7: 'July', 8: 'August',
    9: 'September', 10: 'October', 11: 'November', 12: 'December'
}

# 提取星期和月份名称
df['Weekday Name'] = df['Start Time'].dt.weekday_name  # 旧版提取星期名称的方法
df['Month Name'] = df['Start Time'].dt.month.map(month_mapping)

# 筛选数据
filtered_df = df[(df['Weekday Name'] == target_weekday) & 
                 (df['Month Name'] == target_month)]

小提示 #

• 这两个方法返回的都是英文全称，刚好和用户输入的Sunday、January这类格式完全匹配，不需要额外转换
• 如果需要忽略大小写，可以在匹配时加.str.lower()，比如df['Start Time'].dt.day_name().str.lower() == target_weekday.lower()

内容的提问来源于stack exchange，提问作者sadAndClueless72