- ubuntu12.04环境下使用kvm ioctl接口实现最简单的虚拟机
- Ubuntu 通过无线网络安装Ubuntu Server启动系统后连接无线网络的方法
- 在Ubuntu上搭建网桥的方法
- ubuntu 虚拟机上网方式及相关配置详解
CFSDN坚持开源创造价值,我们致力于搭建一个资源共享平台,让每一个IT人在这里找到属于你的精彩世界.
这篇CFSDN的博客文章Python提取特定时间段内数据的方法实例由作者收集整理,如果你对这篇文章有兴趣,记得点赞哟.
python提取特定时间段内的数据 。
尝试一下:
1
2
|
data[
'Date'
]
=
pd.to_datetime(data[
'Date'
])
data
=
data[(data[
'Date'
] >
=
pd.to_datetime(
'20120701'
)) & (data[
'Date'
] <
=
pd.to_datetime(
'20120831'
))]
|
实际测试 。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
|
'''
Created on 2019年1月3日
@author: hcl
'''
import
pandas as pd
import
matplotlib.pyplot as plt
data_path
=
'one_20axyz.csv'
if
__name__
=
=
'__main__'
:
msg
=
pd.read_csv(data_path)
# ID_set = set(msg['Time'].tolist())
# ID_list = list(ID_set)
# print(len(msg['Time'].tolist()),len(ID_list),len(msg['Time'].tolist())/len(ID_list))#打印数据量 多少秒 平均每秒多少个
# print(msg.head(10))
# left_a = msg[msg['leg'] == 1]['az']
# right_a = msg[msg['leg'] == 2]['az']
# plt.plot(left_a,label = 'left_a')
# plt.plot(right_a,label = 'right_a')
# plt.legend(loc = 'best')
# plt.show()
left_msg
=
msg[msg[
'leg'
]
=
=
1
]
#DataFrame
data
=
left_msg[(pd.to_datetime(left_msg[
'Time'
] ,
format
=
'%H:%M:%S'
)>
=
pd.to_datetime(
'16:23:42'
,
format
=
'%H:%M:%S'
)) & (pd.to_datetime(left_msg[
'Time'
] ,
format
=
'%H:%M:%S'
) <
=
pd.to_datetime(
'16:23:52'
,
format
=
'%H:%M:%S'
))]
# print(msg.head())
print
(data)
|
输出:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
|
Time
ID
leg ax ay az a Rssi
1
16
:
23
:
42
5
1
0.6855
-
0.6915
0.1120
0.980116
-
34
3
16
:
23
:
42
5
1
0.6800
-
0.6440
0.1365
0.946450
-
31
5
16
:
23
:
42
5
1
0.7145
-
0.7240
0.1095
1.023072
-
34
7
16
:
23
:
42
5
1
0.7050
-
0.6910
0.1080
0.993061
-
30
9
16
:
23
:
42
5
1
0.7120
-
0.6400
0.0920
0.961773
-
31
10
16
:
23
:
42
5
1
0.7150
-
0.6810
0.1290
0.995805
-
34
12
16
:
23
:
42
5
1
0.7250
-
0.6655
0.1890
1.002116
-
32
13
16
:
23
:
42
5
1
0.7160
-
0.7065
0.1000
1.010840
-
31
15
16
:
23
:
42
5
1
0.7545
-
0.6990
0.1715
1.042729
-
30
17
16
:
23
:
42
5
1
0.7250
-
0.6910
0.1325
1.010278
-
31
19
16
:
23
:
42
5
1
0.7520
-
0.7260
0.1820
1.060992
-
33
21
16
:
23
:
42
5
1
0.7005
-
0.7150
0.0605
1.002789
-
33
23
16
:
23
:
42
5
1
0.7185
-
0.6630
0.1430
0.988059
-
30
25
16
:
23
:
42
5
1
0.7170
-
0.7040
0.0920
1.009044
-
34
27
16
:
23
:
42
5
1
0.7230
-
0.6810
0.1060
0.998862
-
31
29
16
:
23
:
42
5
1
0.7230
-
0.6720
0.0940
0.991539
-
31
31
16
:
23
:
42
5
1
0.6955
-
0.6975
0.0720
0.987629
-
33
32
16
:
23
:
42
5
1
0.7430
-
0.6895
0.1495
1.024602
-
34
34
16
:
23
:
43
5
1
0.7360
-
0.6855
0.1200
1.012920
-
32
36
16
:
23
:
43
5
1
0.7160
-
0.7000
0.1330
1.010121
-
30
38
16
:
23
:
43
5
1
0.7095
-
0.7165
0.1090
1.014221
-
31
40
16
:
23
:
43
5
1
0.7195
-
0.6895
0.1270
1.004599
-
34
44
16
:
23
:
43
5
1
0.7315
-
0.6855
0.1000
1.007473
-
34
46
16
:
23
:
43
5
1
0.7240
-
0.7020
0.0960
1.013013
-
31
48
16
:
23
:
43
5
1
0.7240
-
0.7010
0.0970
1.012416
-
32
50
16
:
23
:
43
5
1
0.7380
-
0.6820
0.1480
1.015713
-
34
52
16
:
23
:
43
5
1
0.7285
-
0.6990
0.0990
1.014453
-
33
53
16
:
23
:
43
5
1
0.7160
-
0.7005
0.1630
1.014852
-
30
55
16
:
23
:
43
5
1
0.7175
-
0.6940
0.0735
1.000922
-
29
57
16
:
23
:
43
5
1
0.7140
-
0.7170
0.0960
1.016416
-
28
.. ... .. ... ... ... ... ... ...
285
16
:
23
:
51
5
1
0.0550
-
1.0205
0.0955
1.026433
-
35
287
16
:
23
:
51
5
1
0.0670
-
1.0175
0.0915
1.023801
-
22
289
16
:
23
:
51
5
1
0.0595
-
1.0090
0.1025
1.015937
-
24
291
16
:
23
:
51
5
1
0.0605
-
0.9970
0.0905
1.002925
-
32
293
16
:
23
:
51
5
1
0.0650
-
1.0185
0.0740
1.023251
-
31
295
16
:
23
:
51
5
1
0.0595
-
0.9915
0.0945
0.997769
-
35
298
16
:
23
:
51
5
1
0.0420
-
1.0105
0.0970
1.016013
-
18
300
16
:
23
:
51
5
1
0.0545
-
1.0440
0.0795
1.048440
-
21
302
16
:
23
:
51
5
1
0.0460
-
0.9915
0.0765
0.995510
-
30
304
16
:
23
:
51
5
1
0.0650
-
1.0100
0.0810
1.015326
-
30
306
16
:
23
:
51
5
1
0.0530
-
1.0240
0.0765
1.028220
-
34
308
16
:
23
:
51
5
1
0.0490
-
1.0060
0.0785
1.010247
-
21
310
16
:
23
:
52
5
1
0.0490
-
1.0155
0.0760
1.019518
-
24
312
16
:
23
:
52
5
1
0.0370
-
0.9870
0.0660
0.989896
-
30
313
16
:
23
:
52
5
1
0.0400
-
1.0185
0.0435
1.020213
-
30
314
16
:
23
:
52
5
1
0.0450
-
1.0070
0.0540
1.009450
-
34
316
16
:
23
:
52
5
1
0.0420
-
0.9800
0.0595
0.982703
-
34
318
16
:
23
:
52
5
1
0.0400
-
1.0000
0.0595
1.002567
-
20
320
16
:
23
:
52
5
1
0.0355
-
1.0025
0.0635
1.005136
-
20
322
16
:
23
:
52
5
1
0.0430
-
0.9940
0.0735
0.997641
-
30
324
16
:
23
:
52
5
1
0.0480
-
1.0135
0.0640
1.016652
-
33
326
16
:
23
:
52
5
1
0.0440
-
1.0035
0.0670
1.006696
-
33
328
16
:
23
:
52
5
1
0.0455
-
1.0090
0.0600
1.011806
-
21
330
16
:
23
:
52
5
1
0.0420
-
1.0005
0.0605
1.003207
-
15
332
16
:
23
:
52
5
1
0.0510
-
1.0165
0.0670
1.019981
-
29
334
16
:
23
:
52
5
1
0.0300
-
1.0040
0.0460
1.005501
-
30
336
16
:
23
:
52
5
1
0.0370
-
1.0130
0.0500
1.014908
-
34
338
16
:
23
:
52
5
1
0.0500
-
1.0010
0.0530
1.003648
-
20
341
16
:
23
:
52
5
1
0.0400
-
0.9630
0.0615
0.965790
-
21
343
16
:
23
:
52
5
1
0.0365
-
1.0295
0.0410
1.030962
-
30
[
176
rows x
8
columns]
|
总结 。
以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作具有一定的参考学习价值,谢谢大家对我的支持。如果你想了解更多相关内容请查看下面相关链接 。
原文链接:https://blog.csdn.net/zhuisaozhang1292/article/details/85207298 。
最后此篇关于Python提取特定时间段内数据的方法实例的文章就讲到这里了,如果你想了解更多关于Python提取特定时间段内数据的方法实例的内容请搜索CFSDN的文章或继续浏览相关文章,希望大家以后支持我的博客! 。
如果我使用以下方法计算 java.time 中 2 个 LocalDate 之间的差异: Period p = Period.between(testDate, today); 然后我得到一个包含年、
我正在开发一个有多种不同费率的预订平台。这些费率由一天中的时间、星期几和一年中的一天决定。以下是所涉及的间隔类型的一些示例: 周一至周五,上午 9 点至下午 5 点 周六和周日,中午 12 点到早上
我有大量数据,包括开始时间、停止时间和值。开始和停止时间因行而异,以 5 分钟为增量。我正在尝试创建一个新的数据框,该数据框具有 5 分钟的间隔以及该间隔在行的开始和停止范围内的所有行的总和。 我有一
我有一个这样的表: --------------------------------------------- |Id | Step | StartedAt
我有一个网络应用程序,用户将在其中输入 2 个日期。一个 StartDate 和一个 EndDate。现在我想编写它,以便在选择 StartDate 和 EndDate 时确定有多少周,然后显示这些周
这看起来并不直截了当。 我正在尝试: @Override public int compare(Period o1, Period o2) { return o1.toStandardDays
我必须为团队发送 session 邀请,这是我的邮件 $ical = 'BEGIN:VCALENDAR PRODID:-//Microsoft Corporation//Outlook 11.0
我有这个 ISO 8601 时间段字符串: P0Y0M0DT3H5M0.000S 并且 PHP7.4 无法用它构造 DateInterval。 format('%h Hours %m Minutes
我想要获取包含一段时间(格式为 HH:MM:SS)的多个单元格的总和。在 LibreOffice Calc 4.0.3.3 中,我复制粘贴了 G14:G21 范围内的时间段,并将单元格格式设置为时间
我有一个表(MySQL),每n秒捕获一次样本。该表有很多列,但重要的是两列:时间戳(TIMESTAMP 类型)和计数(INT 类型)。 我想做的是获取一定时间范围内计数列的总和和平均值。例如,我每 2
我有一个表(MySQL),每n秒捕获一次样本。该表有很多列,但重要的是两列:时间戳(TIMESTAMP 类型)和计数(INT 类型)。 我想做的是获取一定时间范围内计数列的总和和平均值。例如,我每 2
我在一个项目上使用 joda-time (1.6.2),我正在做的其中一件事就是计算预测时间和实际时间之间的差异。这种差异有时是积极的,有时是消极的。虽然适当的方法可能是使用 Duration 而不是
我有一个表 (MySQL),它每 n 秒捕获一次样本。该表有很多列,但最重要的是两列:一个时间戳(TIMESTAMP 类型)和一个计数(INT 类型)。 我想做的是获取计数列在一段时间内的总和和平均值
我想让我的折线图显示过去 3 个月的数据。 GDS 有一个“最后一个季度”的日期范围,但这显示的是 Q1、Q2、Q3 或 Q4。我需要的是过去3个整月(不算当月)的数据。我尝试创建一个计算字段,但事实
我想让我的折线图显示过去 3 个月的数据。 GDS 有一个“最后一个季度”的日期范围,但这显示的是 Q1、Q2、Q3 或 Q4。我需要的是过去3个整月(不算当月)的数据。我尝试创建一个计算字段,但事实
我是一名优秀的程序员,十分优秀!