pandas.DataFrame.truncate

DataFrame.truncate(before=None, after=None, axis=None, copy=None)

截断Series或DataFrame在某个索引值之前和之后的部分。

这是基于高于或低于特定阈值的索引值的布尔索引的有用简写。

Parameters:

之前 (before)日期、字符串、整数

截断此索引值之前的所有行。

之后 (after)日期、字符串、整数

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）。 对于 Series，此参数未使用，默认为 0。

copy布尔值, 默认 True,

返回截断部分的副本。

备注

copy 关键字在 pandas 3.0 中将更改行为。Copy-on-Write 将默认启用，这意味着所有带有 copy 关键字的方法都将使用惰性复制机制来延迟复制并忽略 copy 关键字。copy 关键字将在 pandas 的未来版本中移除。

通过启用 copy on write pd.options.mode.copy_on_write = True，您可以获得未来的行为和改进。

Returns:

调用者的类型

截断的 Series 或 DataFrame。

参见

DataFrame.loc

选择 DataFrame 的子集。

DataFrame.iloc

根据标签选择 DataFrame 的子集。

Notes

如果正在截断的索引仅包含日期时间值，则 before 和 after 可以指定为字符串而不是 Timestamps。

Examples

>>> 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

可以截断 DataFrame 的列。

>>> 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

truncate 中的索引值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

因为索引是一个只包含日期的 DatetimeIndex，所以我们可以将 before 和 after 指定为字符串。 它们将在截断之前强制转换为 Timestamps。

>>> 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分秒部分的值为 0（午夜）。 这与部分字符串切片不同，后者将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