Python提取特定时间段内数据的方法实例_Python

python提取特定时间段内的数据

尝试一下：

				?

									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

				?

									'''

									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：

				?

									     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]