Question

我对Python，熊猫和编程都是全新的，我无法弄清楚以下内容：

我在pandas的帮助下访问过数据库，我已将查询中的数据放入数据帧df中。其中一列包含生日，可以具有以下形式： - 1980年1月25日（字符串） - 01/25（String） - 无（NoneType）

现在，我想在df中添加一个新列，它将人员的年龄存储在数据库中。所以我做了以下事情：

def addAge(df):

    today = date.today()
    df["age"] = None
    for index, row in df.iterrows():
        if row["birthday"] != None:
            if len(row["birthday"]) == 10:
                birthday = df["birthday"]
                birthdayDate = datetime.date(int(birthday[6:]), int(birthday[:2]), int(birthday[3:5])) 
                row["age"] = today.year - birthdayDate.year - ((today.month, today.day) < (birthdayDate.month, birthdayDate.day))
        print row["birthday"], row["age"]  #this is just for testing

addAge(df)
print df

行打印行[＆＃34;生日＆＃34;]，行[＆＃34;年龄＆＃34;]正确打印生日和年龄。但是当我调用print df时，列的年龄总是包含＆＃34;无＆＃34;。你们能解释一下我做错了什么吗？谢谢！

Answer 1

当您致电iterrows()时，您将获得每行的副本，并且无法分配回更大的数据帧。通常，您应该尝试使用向量化方法，而不是遍历行。

因此，例如在这种情况下，要解析'birthday'列，您可以执行以下操作：对于长度为10的行，该字符串将被解析为日期时间，否则将填充为缺失值。

import numpy as np
import pandas as pd
df['birthday'] = np.where(df['birthday'].str.len() == 10, pd.to_datetime(df['birthday']), '')

要计算年龄，您可以使用.apply，它会在一个系列的每一行上应用一个函数因此，如果您将年龄计算包含在函数中：

def calculate_age(birthdayDate, today):
    if pd.isnull(birthdayDate):
        return np.nan
    else:
        return today.year - birthdayDate.year - 
                ((today.month, today.day) < (birthdayDate.month, birthdayDate.day))

然后，您可以像这样计算年龄栏：

today = date.today()
df['age'] = df['birthday'].apply(lambda x: calculate_age(x, today))

将计算列添加到pandas数据帧

1 个答案: