Question

我正在尝试使用以下代码获取每个组的最新实例。它做了我想要的，除了将Timestamp转换为numpy.datetime并将日期减去一天。这似乎不是正确的行为。这是一个错误还是我错过了什么。

In [37]: df
Out[37]: 

ticker currency date
0 AACE NaN NaT
1 AAP US Dollar 2012-12-29 00:00:00
2 AAP US Dollar 2013-04-20 00:00:00
3 AAP US Dollar 2013-07-13 00:00:00
4 ABBEY British Pound 2012-12-31 00:00:00
5 ABBEY British Pound 2013-03-30 00:00:00
6 ABBEY British Pound 2013-06-30 00:00:00
7 ABBNVX NaN NaT
8 ABBV US Dollar 2012-12-31 00:00:00
9 ABBV US Dollar 2013-03-31 00:00:00
10 ABBV US Dollar 2013-06-30 00:00:00


In [38]: df.date[3]
Out[38]: Timestamp('2013-07-13 00:00:00', tz=None)

In [39]: df.groupby('ticker').last()
Out[39]: 


currency date ticker

AACE NaN NaN
AAP US Dollar 2013-07-12T17:00:00.000000000-0700
ABBEY British Pound 2013-06-29T17:00:00.000000000-0700
ABBNVX NaN NaN
ABBV US Dollar 2013-06-29T17:00:00.000000000-0700


In [40]: df.groupby('ticker').last().date[1]
Out[40]: numpy.datetime64('2013-07-12T17:00:00.000000000-0700')

In [41]:

编辑：

我没有原始示例，但这是另一个复制相同行为的示例。

In [57]: df
Out[57]: 


ticker currency date
3227 WWW US Dollar 2013-03-23 00:00:00
3228 WWW US Dollar 2012-12-29 00:00:00
3229 WWW US Dollar 2013-06-15 00:00:00
3230 WWW US Dollar 2013-09-07 00:00:00
3231 WYLE NaN NaT
3232 YALUNI NaN NaT
3233 YKBNK NaN NaT
3234 YZCOAL NaN NaT
3235 ZACHRY NaN NaT
3236 ZAYOGR US Dollar 2013-03-31 00:00:00
3237 ZAYOGR US Dollar 2013-06-30 00:00:00
3238 ZAYOGR US Dollar 2012-12-31 00:00:00
3239 ZINC US Dollar 2013-06-30 00:00:00
3240 ZINC US Dollar 2012-12-31 00:00:00
3241 ZINC US Dollar 2013-03-31 00:00:00


In [58]: df.dtypes
Out[58]: 
ticker              object
currency            object
date        datetime64[ns]
dtype: object

In [59]: df.tail(7).groupby('ticker').last()
Out[59]: 


    currency date
ticker
ZACHRY NaN NaN
ZAYOGR US Dollar 2012-12-30T16:00:00.000000000-0800
ZINC US Dollar 2013-03-30T17:00:00.000000000-0700


In [60]: df.tail(6).groupby('ticker').last()
Out[60]: 


    currency date
ticker
ZAYOGR US Dollar 2012-12-31 00:00:00
ZINC US Dollar 2013-03-31 00:00:00

In [61]:

看起来只有当有NaT预设时，带有Timestamp的列才会搞砸。

Answer 1

那些看似正确的时间，但它们是具有时区偏移的UTC时间戳（例如-0700中的2013-07-12T17:00:00.00-0700）。

见下文：

In [93]: x = np.datetime64('2013-07-12T17:00:00.000000000-0700')

In [94]: x
Out[94]: numpy.datetime64('2013-07-12T17:00:00.000000000-0700')

In [95]: pandas.Timestamp(x)
Out[95]: Timestamp('2013-07-13 00:00:00', tz=None)

为什么他们会这样转变：我不确定。可能是一个错误，但它应该足够简单，以apply保持一切顺利。

Answer 2

目前还不清楚你是如何构建你的例子的。请显示实际框架和dtypes。您可能没有使用和对象dtype（因为它附加了时区），因此无法正确解释。

In [10]: df = DataFrame(dict(
                 A = ['AACE','AAP','AAP','ABBEY','ABBEY'], 
                 B = ['20121229','20130420','20130723','20121231','20130330']))

In [11]: df['B'] = pd.to_datetime(df['B'])

In [12]: df
Out[12]: 
       A                   B
0   AACE 2012-12-29 00:00:00
1    AAP 2013-04-20 00:00:00
2    AAP 2013-07-23 00:00:00
3  ABBEY 2012-12-31 00:00:00
4  ABBEY 2013-03-30 00:00:00

In [13]: df.groupby('A').last()
Out[13]: 
                        B
A                        
AACE  2012-12-29 00:00:00
AAP   2013-07-23 00:00:00
ABBEY 2013-03-30 00:00:00

In [14]: df.groupby('A').last().dtypes
Out[14]: 
B    datetime64[ns]
dtype: object

熊猫：时间戳在groupby之后搞砸了

2 个答案: