根据 Pandas DataFrame 中的范围选择行

Question

我正在编写一个程序，其中包括从 Pandas DataFrame 中选择行的子集。 DataFrame 对新闻标题和日期有情感。 它有一行“日期”，根据新闻标题定义日期，这

这是我感兴趣的代码的一部分。

def simulation_trading(data, period_days = 1):

    dates_unique = data["Date"].unique()

    previous = 0
    for index in range(period_days - 1, len(data), period_days):
        dates_unique_chunk = dates_unique[previous:index+1]
        if not list(dates_unique_chunk):
            continue

        after_start_date = data["Date"] >= dates_unique_chunk[0]
        before_end_date = data["Date"] <= dates_unique_chunk[-1]
        between_two_dates = after_start_date & before_end_date
        data_chunk = data.loc[between_two_dates]
        print(dates_unique_chunk[-1], dates_unique_chunk[0])
        print(data_chunk["Date"])
        sentiments_chunk = data_chunk["Labels"]
        break
       

我首先得到一个唯一日期的列表。然后我得到特定时期的一系列日期。

dates_unique = data["Date"].unique()

dates_unique_chunk = dates_unique[previous:index+1]

这里展示了一部分代码，我使用一种方法来制作掩码并将其应用于感兴趣的数据帧。

我已经尝试了我在这里找到的所有方法：使用 . Between() 函数、isin() 和dates_range() 等。它们都不起作用，所以这并不是不起作用的方法。它不返回指定的范围。 生成下一个示例的代码：

    print(simulation_trading(sentiments_data, 2))

[在顶行中，我根据索引 [-1] 和 [0] 回显了日期，这里是我从打印 data_chunk["Date]]]()

如果我应用的范围的第一个元素等于第二个元素，问题就会消失。 生成下一个示例的代码：

    print(simulation_trading(sentiments_data, 1))

例如：

Answer 1

从您的描述和代码片段来看，您似乎正在尝试根据日期范围将数据分区为块，其中每个块涵盖由 period_days 定义的时间段。您的方法涉及过滤 DataFrame 以仅包含属于每个日期范围内的行。

当尝试使用布尔掩码过滤数据以选择两个日期之间的行时，会出现您的问题，但您发现它仅在开始日期和结束日期相同时才按预期工作。这是一个常见问题，通常可以通过确保正确定义日期范围并且 DataFrame 的“日期”列采用正确的格式（即作为日期时间对象）来解决。

这是函数的修订方法，可确保正确处理日期：

1. 将“日期”列转换为日期时间（如果尚未转换）。这样可以保证日期对象之间进行比较，更加可靠。

2. 按“日期”对数据进行排序，以确保其按时间顺序排列。这对于时间序列数据至关重要。

3. 使用pd.to_datetime转换dates_unique，保证所有日期操作一致。

   import pandas as pd
   
   def simulation_trading(data, period_days=1):
   
   data['Date'] = pd.to_datetime(data['Date'])
   
   
   data.sort_values('Date', inplace=True)
   
   
   dates_unique = pd.to_datetime(data['Date'].unique())
   dates_unique.sort()
   
   previous = 0
   for index in range(period_days - 1, len(dates_unique), period_days):
   dates_unique_chunk = dates_unique[previous:index+1]
   if not len(dates_unique_chunk):
       continue
   
   
   after_start_date = data['Date'] >= dates_unique_chunk[0]
   before_end_date = data['Date'] <= dates_unique_chunk[-1]
   between_two_dates = after_start_date & before_end_date
   data_chunk = data.loc[between_two_dates]
   
   print(dates_unique_chunk[-1], dates_unique_chunk[0])
   print(data_chunk['Date'])
   
   sentiments_chunk = data_chunk['Labels']
   
   
   break  
   

此版本的函数应正确过滤您的 DataFrame，以仅包含基于 period_days 的每个计算日期范围内的行。请记住根据您打算如何在循环中处理或输出块来删除或调整break语句。