Question

我认为这应该很容易，但我碰到了一堵墙。我有一个数据集从Stata .dta文件导入到pandas数据框中。其中一些列包含日期数据。数据框包含100,000多行，但提供了一个样本：

   cat  event_date  total
0   G2  2006-03-08     16
1   G2         NaT    NaN
2   G2         NaT    NaN
3   G3  2006-03-10     16
4   G3  2006-08-04     12
5   G3  2006-12-28     13
6   G3  2007-05-25     10
7   G4  2006-03-10     13
8   G4  2006-08-06     19
9   G4  2006-12-30     16

数据存储为datetime64格式：

>>> mydata[['cat','event_date','total']].dtypes
cat                    object
event_date     datetime64[ns]
total                 float64
dtype: object

我想要做的就是创建一个新列，它在event_date和start之间提供天数（而不是＆＃39; us＆＃39;或＆＃39; !!!）的差异日期，比如说2006-01-01。我尝试过以下方法：

>>> mydata['new'] = mydata['event_date'] - np.datetime64('2006-01-01')

...但我收到了消息：

TypeError: ufunc 'isnan' not supported for the input types, and the inputs could not be safely coerced to any supported types according to the casting rule ''safe''

我也尝试过lambda功能，但这也不起作用。

但是，如果我想在一天内添加到我可以成功使用的每个日期：

>>> mydata['plusone'] = mydata['event_date'] + np.timedelta64(1,'D')

工作正常。

我在这里错过了一些直截了当的东西吗？

提前感谢您的帮助。

Answer 1

不确定为什么numpy datetime64与pandas dtypes不兼容，但使用datetime对象对我来说没问题：

In [39]:

import datetime as dt
mydata['new'] = mydata['event_date'] - dt.datetime(2006,1,1)
mydata
Out[39]:
      cat event_date  total      new
Index                               
0      G2 2006-03-08     16  66 days
1      G2        NaT    NaN      NaT
2      G2        NaT    NaN      NaT
3      G3 2006-03-10     16  68 days
4      G3 2006-08-04     12 215 days
5      G3 2006-12-28     13 361 days
6      G3 2007-05-25     10 509 days
7      G4 2006-03-10     13  68 days
8      G4 2006-08-06     19 217 days
9      G4 2006-12-30     16 363 days

Answer 2

确保您拥有最新版本的pandas和numpy（＆gt; = 1.7）：

In [11]: df.event_date - pd.Timestamp('2006-01-01')
Out[11]:
0    66 days
1        NaT
2        NaT
3    68 days
4   215 days
5   361 days
6   509 days
7    68 days
8   217 days
9   363 days
Name: event_date, dtype: timedelta64[ns]

使用日期的pandas数据帧中的列算法

2 个答案: