如何从已按publishedAt降序排序的Pandas DataFrame提取近24小时数据

嘿，我来帮你搞定这个需求！既然你的DataFrame已经按publishedAt降序排序好了，接下来只需要几步就能提取出过去24小时的数据，咱们一步步来：

步骤1：确保时间列是datetime类型 #

首先，你的publishedAt列看起来是ISO格式的字符串（比如2018-05-06T15:22:22Z），得先把它转换成Pandas能识别的datetime类型，这样才能做时间运算：

import pandas as pd

# 转换为datetime类型（自动识别UTC时区）
df['publishedAt'] = pd.to_datetime(df['publishedAt'])

步骤2：选择筛选基准时间 #

这里分两种常见场景，你可以根据自己的需求选：

场景A：相对于当前系统时间的过去24小时 #

如果你想获取现在往前推24小时内的数据，要注意和你的数据时区保持一致（你的数据是UTC时区，所以用UTC时间计算）：

# 获取当前UTC时间
current_utc_time = pd.Timestamp.now(tz='UTC')
# 计算24小时前的UTC时间
one_day_ago = current_utc_time - pd.Timedelta(days=1)
# 筛选数据
last_24h_data = df[df['publishedAt'] >= one_day_ago]

场景B：相对于DataFrame最新记录的过去24小时 #

如果你的数据集最新记录不是当前时间，想从最新的那条记录倒推24小时获取数据（因为你已经按降序排序了，第一条就是最新的）：

# 获取DataFrame中最新的时间（第一条记录的publishedAt）
latest_time = df['publishedAt'].iloc[0]
# 计算最新时间往前24小时的时间点
one_day_before_latest = latest_time - pd.Timedelta(days=1)
# 筛选数据
last_24h_data = df[df['publishedAt'] >= one_day_before_latest]

小提示 #

• 如果你的publishedAt列已经是datetime类型了，直接跳过步骤1就行。
• 一定要注意时区统一！你的数据带Z表示UTC时区，所以计算基准时间时也要用UTC，避免因为时区差导致筛选结果出错。

内容的提问来源于stack exchange，提问作者Sandeep