Pandas数据框架在2016年内按用户数量排名最高

Question

我有一个包含列的数据框：customerId，amount，date这个数据框的日期范围是：date：1/1/2016 9/9/2017我试图找到前10,000名客户将由总数确定他们在2016年度过的金额;我打算按降序对金额列进行排序，然后使用

在2016年之前解析日期列

mask = (df['date'] >= '1/1/2016') & (df['date'] <'1/1/2017')

必须有一个更聪明的方法来做到这一点，我是新编码所以任何帮助将不胜感激！

Answer 1

如果日期列是pandas datetime，则可以使用.dt访问器。否则先将其转换为日期时间

df.date = pd.to_datetime(df.date)
df[df.date.dt.year == 2016]

应该为您提供所需的行。如果您可以发布样本数据集，那么测试它会更容易

Answer 2

也许您可以尝试通过以下方式将列转换为datetime：

df['date'] = pd.to_datetime(df['date'])

#then filter by year
mask = df['date'].apply(lambda x: x.year == 2016)

@ A-Za-z的答案更简洁，但如果列已经不是日期时间类型，您可以使用pd.to_datetime进行转换。