pandas.Series.truncate#
- Series.truncate(before=None, after=None, axis=None, copy=True)[源代码]#
在某些索引值之前和之后截断Series或DataFrame。
对于基于高于或低于特定阈值的索引值的布尔索引，这是一种有用的简写方式。
- 参数
- before日期、字符串、整型
截断此索引值之前的所有行。
- after日期、字符串、整型
截断此索引值之后的所有行。
- axis{0或‘index’，1或‘Columns’}，可选
要截断的轴。默认情况下截断索引(行)。
- copyBool，默认为True，
返回截断节的副本。
- 退货
- 呼叫者类型
截断的序列或DataFrame。
参见
DataFrame.loc按标签选择DataFrame的子集。
DataFrame.iloc按位置选择DataFrame的子集。
注意事项
如果被截断的索引仅包含日期时间值， before 和 after 可以指定为字符串，而不是时间戳。
示例
>>> df = pd.DataFrame({'A': ['a', 'b', 'c', 'd', 'e'], ... 'B': ['f', 'g', 'h', 'i', 'j'], ... 'C': ['k', 'l', 'm', 'n', 'o']}, ... index=[1, 2, 3, 4, 5]) >>> df A B C 1 a f k 2 b g l 3 c h m 4 d i n 5 e j o
>>> df.truncate(before=2, after=4) A B C 2 b g l 3 c h m 4 d i n
DataFrame的列可以被截断。
>>> df.truncate(before="A", after="B", axis="columns") A B 1 a f 2 b g 3 c h 4 d i 5 e j
对于Series，只能截断行。
>>> df['A'].truncate(before=2, after=4) 2 b 3 c 4 d Name: A, dtype: object
中的索引值
truncate可以是日期时间或字符串日期。>>> dates = pd.date_range('2016-01-01', '2016-02-01', freq='s') >>> df = pd.DataFrame(index=dates, data={'A': 1}) >>> df.tail() A 2016-01-31 23:59:56 1 2016-01-31 23:59:57 1 2016-01-31 23:59:58 1 2016-01-31 23:59:59 1 2016-02-01 00:00:00 1
>>> df.truncate(before=pd.Timestamp('2016-01-05'), ... after=pd.Timestamp('2016-01-10')).tail() A 2016-01-09 23:59:56 1 2016-01-09 23:59:57 1 2016-01-09 23:59:58 1 2016-01-09 23:59:59 1 2016-01-10 00:00:00 1
因为索引是只包含日期的DatetimeIndex，所以我们可以指定 before 和 after 就像弦一样。在截断之前，它们将被强制设置为时间戳。
>>> df.truncate('2016-01-05', '2016-01-10').tail() A 2016-01-09 23:59:56 1 2016-01-09 23:59:57 1 2016-01-09 23:59:58 1 2016-01-09 23:59:59 1 2016-01-10 00:00:00 1
请注意，
truncate假定任何未指定的时间分量(午夜)的值为0。这与部分字符串切片不同，部分字符串切片返回任何部分匹配的日期。>>> df.loc['2016-01-05':'2016-01-10', :].tail() A 2016-01-10 23:59:55 1 2016-01-10 23:59:56 1 2016-01-10 23:59:57 1 2016-01-10 23:59:58 1 2016-01-10 23:59:59 1