pandas で任意の日付のデータ抽出

Question

python3 pandas を用いて任意の日付についてのデータ抽出を行いたいです。

時系列データをdatetime index に指定したのですが、どうしても以下のようなエラーメッセージを吐いてしまうため抽出できません。
分かる方がいましたらご教示願えると幸いです。
入力｛4｝:df_tran['buy_date'] = pd.to_datetime(df_tran['buy_date'])
df_tran['buy_date']
出力｛4｝:0 2019-11-22
1 2019-11-22
2 2019-11-22
3 2019-11-22
4 2019-11-22
...
22551 2019-03-07
22552 2019-03-07
22553 2019-03-07
22554 2019-03-07
22555 2019-03-07
Name: buy_date, Length: 22556, dtype: datetime64[ns]

入力｛5｝:df_trans = df_tran.set_index("buy_date")
df_trans.head(3)
出力｛5｝ basket_id shop_id user_id item_id
buy_date
2019-11-22 1 7 88 10
2019-11-22 1 7 88 12
2019-11-22 1 7 88 18

入力｛6｝:df_trans['2020']
出力｛6｝:以下エラー文

発生している問題・エラーメッセージ

エラーメッセージ
AssertionError                            Traceback (most recent call last)
<ipython-input-7-0f0ed4f7e7f9> in <module>
----> 1 df_trans['2020']

~\anaconda3\lib\site-packages\pandas\core\frame.py in __getitem__(self, key)
   2883             # either we have a slice or we have a string that can be converted
   2884             #  to a slice for partial-string date indexing
-> 2885             return self._slice(indexer, axis=0)
   2886 
   2887         # Do we have a (boolean) DataFrame?

~\anaconda3\lib\site-packages\pandas\core\generic.py in _slice(self, slobj, axis)
   3555         Slicing with this method is *always* positional.
   3556         """
-> 3557         assert isinstance(slobj, slice), type(slobj)
   3558         axis = self._get_block_manager_axis(axis)
   3559         result = self._constructor(self._mgr.get_slice(slobj, axis=axis))

AssertionError: <class 'numpy.ndarray'>


### 該当のソースコード

```ここに言語名を入力
ソースコード

試したこと

ここに問題に対して試したことを記載してください。

補足情報（FW/ツールのバージョンなど）

ここにより詳細な情報を記載してください。

Answer 1

再現テストをしてみましたが、出てくるエラーが違っています。

>>> print(df_trans)
            basket_id  shop_id  user_id  item_id
buy_date
2019-11-22          1        7       88       10
2019-11-22          1        7       88       12
2019-11-22          1        7       88       18
>>> df_trans['2020']
Traceback (most recent call last):
  File "C:\Users\shinp\anaconda3\lib\site-packages\pandas\core\indexes\base.py", line 3361, in get_loc
    return self._engine.get_loc(casted_key)
  File "pandas\_libs\index.pyx", line 76, in pandas._libs.index.IndexEngine.get_loc
  File "pandas\_libs\index.pyx", line 108, in pandas._libs.index.IndexEngine.get_loc
  File "pandas\_libs\hashtable_class_helper.pxi", line 5198, in pandas._libs.hashtable.PyObjectHashTable.get_item
  File "pandas\_libs\hashtable_class_helper.pxi", line 5206, in pandas._libs.hashtable.PyObjectHashTable.get_item
KeyError: '2020'

The above exception was the direct cause of the following exception:

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "C:\Users\shinp\anaconda3\lib\site-packages\pandas\core\frame.py", line 3455, in __getitem__
    indexer = self.columns.get_loc(key)
  File "C:\Users\shinp\anaconda3\lib\site-packages\pandas\core\indexes\base.py", line 3363, in get_loc
    raise KeyError(key) from err
KeyError: '2020'

こちらのエラーの原因は明らかです。
df_trans['2020']は、DetaFrameであるdf_transの'2020'列を取り出すという式です。
df_transには'2020'というcolumn名の列はないのでKeyErrorが出ています。

Comments

[marimog]

回答ありがとうございます。
エラーについての内容は理解できました。
もし、上記のように日付のデータをdatetime indexに指定した場合、任意の日付のデータを取り出すためにはどのような方法があるのでしょうか。
聞いてばかりで申し訳ありませんが、ご教示いただけると助かります。

Answer 2

下記のページが公式のドキュメントになります。
https://pandas.pydata.org/pandas-docs/stable/user_guide/timeseries.html#partial-string-indexing

データフレームのインデックスがDateTimeIndexの場合、df['2020']で2020年のデータを取り出すことができます。
ppaulさんの回答でKeyErrorになっているのは2020年のデータがないからです。

ただ、上記ページのWarningのところにも書かれているように df['2020'] という表記が、2020年の行データを取り出したいのか、'2020'という列データを取り出したいのかあいまいという問題があるため、将来的にこの書き方はできなくなるというwarningが出るようになっています(ver 1.2.0以降)。

なので、以下のように書けばいいです。上記ページにより詳しく書いてあります。

df.loc['2019']
df.loc['2019-02']
df.loc['2019-11-01']

ただ、こちらでは再現しない異なるエラーが出ているようなので、違う問題があるかもしれません。

追記
こちらのissueに上がっている問題かと思います。
https://github.com/pandas-dev/pandas/issues/35509
pandasを最新バージョンにアップデートするか、df_trans = df_trans.sort_index()で治るのではないかと。

Comments

[marimog]

大変助かりました！
バージョンを最新に変えて、改善出来ました。
ありがとうございます。