Lo mejor cuando estás trabajando con un conjunto de datos temporales en Pandas
es poner la fecha, como índice, esto te facilitará mucho el trabajo, ya que mediante el índice podrás hacer selecciones de fecha de forma sencilla. Te dejo un Ejemplo explicado en el código:
import pandas as pd
import numpy as np
#Creo un DataFrame de ejemplo
df_shop = pd.DataFrame(np.random.rand(4000,4), columns=["ventas", "publicidad","coste","beneficio"])
#Creo un rango de tiempo acorde al DataFrame creado
df_shop['date'] = pd.date_range("1-1-2010", periods=4000)
#Paso los datos temporales, de columna a índice
df_shop.index = df_shop['date']
#Borro la columna de tiempo ya que la tengo en el índice
df_shop = df_shop.drop(columns=['date'])
#Mediante el índice, le digo que selecciones solo los meses 1.
df_shop[df_shop.index.month==1]
Por supuesto se pueden hacer varios tipos de selecciones, puedes seleccionar por año:
#Mediante el índice, selecciono solo el año 2010.
df_shop[df_shop.index.year==2010]
Seleccionar por día:
#Mediante el índice, selecciono todos los días 31
df_shop[df_shop.index.day==31]
Si nuestros datos estuvieran en horas, minutos o segundos, se podría hacer el mismo procedimiento. Todo esto y más lo puedes encontrar en la documentación oficial de Pandas sobre uso de datos temporales.
Como conclusión casi nunca es buena idea usar bucles for
con DataFrames de Pandas
, ya que esta biblioteca ha sido creada con muchas funciones cuya intención es esa, evitar los bucles for
y parecerse más a el manejo que tendrías en SQL
. Por lo que cuando pienses en hacer iteraciones, seguramente Pandas
tenga métodos/funciónes que hagan lo que quieres y de forma más sencilla.