Question

我有一个如下所示的数据框：

Name  A    B    C
D1    1    3    3
D2    2    4    4
D3    2    1    1

如何创建一个相同大小的新数据框，其中每个值都是今天的日期减去我第一个数据帧的值？

例如，如果今天是2018-04-27，我的新数据框将如下所示：

Name  A             B             C  
D1    2018-04-26    2018-04-24    2018-04-24
D2    2018-04-25    2018-04-23    2018-04-23
D3    2018-04-25    2018-04-26    2018-04-26

我认为解决方案将包含类似

的内容

df2.iloc[1,1] = datetime.today() - timedelta(days=df1[1,1])

但是我遇到了各种类型的错误和循环原始df

的问题

Answer 1

import datetime as dt
from datetime import timedelta
import pandas as pd

df = pd.DataFrame({'Name':['D1','D2','D3'],'A':[1,2,2],'B':[3,4,1],'C':[3,4,1]})
df.set_index('Name', inplace=True)
df2 = df.applymap(lambda x: dt.date.today() - timedelta(days = x))

df2 
                   A           B           C
    Name
    D1    2018-04-26  2018-04-24  2018-04-24
    D2    2018-04-25  2018-04-23  2018-04-23
    D3    2018-04-25  2018-04-26  2018-04-26

Applymap是您正在寻找的

编辑：添加导入，以避免日期时间导入问题here

Answer 2

最好不要使用applymap

df.set_index('Name', inplace=True)

pd.to_datetime('today').date()-df.apply(pd.to_timedelta,unit='d')
Out[428]: 
               A           B           C
Name                                    
D1    2018-04-26  2018-04-24  2018-04-24
D2    2018-04-25  2018-04-23  2018-04-23
D3    2018-04-25  2018-04-26  2018-04-26

Answer 3

您可以展平DataFrame的值，以便可以将它们传递到pd.to_timedelta()。这使您无需使用.applymap()或.apply()：

today = pd.to_datetime(dt.date(2018, 4, 27))
deltas = pd.to_timedelta(df.values.flatten(), unit='d')
df2 = pd.DataFrame(np.reshape((today - deltas).values, df2.shape),
                   index=df.index, columns=df.columns)

结果：

>>> df2
              A          B          C
Name                                 
D1   2018-04-26 2018-04-24 2018-04-24
D2   2018-04-25 2018-04-23 2018-04-23
D3   2018-04-25 2018-04-26 2018-04-26

>>> df2.dtypes
A    datetime64[ns]
B    datetime64[ns]
C    datetime64[ns]
dtype: object

从今天开始减去pandas Dataframe值

3 个答案: