我有一个DataFrame df
,如下所示(摘录,'时间戳'是索引):
Timestamp Value
2012-06-01 00:00:00 100
2012-06-01 00:15:00 150
2012-06-01 00:30:00 120
2012-06-01 01:00:00 220
2012-06-01 01:15:00 80
...and so on.
我需要一个新列df['weekday']
,其中包含时间戳的相应工作日/星期几。
我怎么能得到这个?
答案 0 :(得分:66)
使用新的dt.dayofweek
属性:
In [2]:
df['weekday'] = df['Timestamp'].dt.dayofweek
df
Out[2]:
Timestamp Value weekday
0 2012-06-01 00:00:00 100 4
1 2012-06-01 00:15:00 150 4
2 2012-06-01 00:30:00 120 4
3 2012-06-01 01:00:00 220 4
4 2012-06-01 01:15:00 80 4
在Timestamp
是您的索引的情况下,您需要重置索引,然后调用dt.dayofweek
属性:
In [14]:
df = df.reset_index()
df['weekday'] = df['Timestamp'].dt.dayofweek
df
Out[14]:
Timestamp Value weekday
0 2012-06-01 00:00:00 100 4
1 2012-06-01 00:15:00 150 4
2 2012-06-01 00:30:00 120 4
3 2012-06-01 01:00:00 220 4
4 2012-06-01 01:15:00 80 4
奇怪的是,如果您尝试从索引创建一个系列以便不重置索引,那么您将获得NaN
值,就像使用reset_index
的结果来调用dt.dayofweek
属性一样将reset_index
的结果分配回原始df:
In [16]:
df['weekday'] = pd.Series(df.index).dt.dayofweek
df
Out[16]:
Value weekday
Timestamp
2012-06-01 00:00:00 100 NaN
2012-06-01 00:15:00 150 NaN
2012-06-01 00:30:00 120 NaN
2012-06-01 01:00:00 220 NaN
2012-06-01 01:15:00 80 NaN
In [17]:
df['weekday'] = df.reset_index()['Timestamp'].dt.dayofweek
df
Out[17]:
Value weekday
Timestamp
2012-06-01 00:00:00 100 NaN
2012-06-01 00:15:00 150 NaN
2012-06-01 00:30:00 120 NaN
2012-06-01 01:00:00 220 NaN
2012-06-01 01:15:00 80 NaN
修改强>
正如用户@joris所指出的那样,您只需访问索引的weekday
属性,以便以下内容可以正常工作并且更加紧凑:
df['Weekday'] = df.index.weekday
答案 1 :(得分:4)
如果Timestamp
datatime
,那么您可以使用:
df['weekday'] = df['Timestamp'].apply(lambda x: x.weekday())
或
df['weekday'] = pd.to_datetime(df['Timestamp']).apply(lambda x: x.weekday())
答案 2 :(得分:1)
万一其他人对多索引数据框有相同的问题,以下是基于@joris解决方案为我解决的问题:
df['Weekday'] = df.index.get_level_values(1).weekday
对我而言,日期是get_level_values(1)
而不是get_level_values(0)
,它将适用于外部索引。
答案 3 :(得分:1)
你可以通过这种方式获得:
import datetime
df['weekday'] = pd.Series(df.index).dt.day_name()