pandas.Series.truncate

Series.truncate(before=None, after=None, axis=None, copy=True) [source]

Усекает отсортированную DataFrame/Series перед и/или после определённого значения индекса. Если ось содержит только значения datetime, параметры before/after преобразуются в значения datetime.

Параметры:

before : дата, строка, целое число Усекать все строки перед этим значением индекса after : дата, строка, целое число Усекать все строки после этого значения индекса axis : {0 или ‘index’, 1 или ‘columns’} 0 или ‘index’: применить усечение к строкам 1 или ‘columns’: применить усечение к столбцам По умолчанию используется ось для данного типа данных (0 для Series и DataFrame, 1 для Panel) copy : boolean, по умолчанию True, возвращает копию усечённой секции

Возвращаемые значения:

truncated : тип вызываемого объекта

Примеры

>>> 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.truncate(before=2, after=4)
   A  B  C
2  b  g  l
3  c  h  m
4  d  i  n
>>> df = pd.DataFrame({'A': [1, 2, 3, 4, 5],
...                    'B': [6, 7, 8, 9, 10],
...                    'C': [11, 12, 13, 14, 15]},
...                    index=['a', 'b', 'c', 'd', 'e'])
>>> df.truncate(before='b', after='d')
   A  B   C
b  2  7  12
c  3  8  13
d  4  9  14

Значения индекса в truncate могут быть датами или строками дат. Обратите внимание, что truncate предполагает значение 0 для любого не указанного компонента даты в DatetimeIndex в отличие от срезов, которые возвращают любые частично совпадающие даты.

>>> dates = pd.date_range('2016-01-01', '2016-02-01', freq='s')
>>> df = pd.DataFrame(index=dates, data={'A': 1})
>>> 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
>>> 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