Python学习社区
python时间索引序列数据的提取处理
墨衍会员 · AI 创作全网分发 墨衍智能分发 通过墨衍一键同步至各平台 可同步平台 CSDN微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网
我也要 关注 + 加入社区手头有一些时间索引数据，时间是2000-09-01到2023-09-01，现在想把其中一列的数据 “销售额”，在2022-09-01之前的数据乘以系数0.5，在2022-09-01之后的数据乘以系数0.6，最后两个部分的数据显示在新的列“调整后的销售额”里面。
我现在用切片工具进行操作，总是有错误提示，ValueError: Boolean array expected for the condition, not object。
dat['调整后的销售额'] = dat.loc['2020-09-01':'2022-09-01', ['销售额']] * 0.5
dat['调整后的销售额'] = dat.loc['2022-09-02 ':'2023-09-01', ['销售额']] * 0.6
并且，我估计就算不提示错误，新的列也会出错，可能会覆盖，数据显示不是我要求的，请大家写个代码，帮忙解决一下，谢谢。
刚写了一个条件语句，还是出问题，就是elif条件的结果总是覆盖掉前面if条件的结果，最后'调整后的销售额'的结果都是*0.6的，代码如下：
a = datetime.datetime(2022, 9, 1)
for i in dat.index:
for j in dat['销售额']:
if i <= a:
dat['调整后的销售额'] = j * 0.5
elif i > a:
dat['调整后的销售额'] = .j * 0.6
大家给指点指点，到底那里错了，elif后面换成dat['调整后的销售额'].append(j * 0.6)，还是不对。
相关推荐
Pandas时间序列基础详解(转换,索引,切片)
今天小编就为大家分享一篇Pandas时间序列基础详解(转换,索引,切片)，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
Python进行数据提取的方法总结
数据提取是分析师日常工作中经常遇到的需求。如某个用户的贷款金额，某个月或季度的利息总收入，某个特定时间段的贷款金额和笔数，大于5000元的贷款数量等等。本篇文章介绍如何通过python按特定的维度或条件对数据进行提取，完成数据提取需求。
时间序列文档与Python代码
这是时间序列的PDF文档以及Python代码。欢迎数学建模的同行下载扩散。。。。。
grids:用于提取n维时空数组的时间序列子集的python工具
网格-时空多维网格数据的信息学 Riley Hales开发了一个Python工具，用于从多维数据数组中提取时间序列子集，这是杨百翰大学土木与环境工程硕士学位论文的一部分。
Python数据分析实践：时间序列new.pdf
2022/3/14 4.10 时间序列 In [ ]: import pandas as pd import numpy as np 4.10 时间序列 在使用Python进行数据分析时，经常会遇到时间日期格式处理和转换，特别是分析和挖掘与时间相关的数据，比如量化交易就是从历史数据中寻找 股价的变化规律。 时间序列（Time series）数据是非常重要的数据类型，时间序列简单的说就是各时间点上形成的数值序列，时间序列分析就是通过观察历史数据预 测未来的值,比如股票预测、房价预测分析等。在各个领域的研究中，都与时间相关，因此对于时间数据的处理就越来越重要。Pandas 提供了多种 时间数据类型和处理方法,通常时间序列数据作为 Series 或 DataFrame 的索引，以方便对时间数据进行操作。 Python中自带的处理时间的模块有datetime。 4.10.1 pandas时间相关的类 在多数情况下，对时间类型数据进行分析的前提就是将原本为字符串的时间转换为标准时间类型。pandas继承了NumPy库和datetime库的时间相 关模块，提供了6种时间相关的类。 file:///
