不是什么问题,而是让我感到困惑的东西。
我有一列日期看起来像这样:
0 NaT
1 1996-04-01
2 2000-03-01
3 NaT
4 NaT
5 NaT
6 NaT
7 NaT
8 NaT
我想将NaT转换为静态值。 (假设我将pda导入为pd,将numpy导入为np)。
如果我这样做:
mydata['mynewdate'] = mydata.mydate.replace(
np.NaN, pd.datetime(1994,6,30,0,0))
一切都好,我明白了
0 1994-06-30
1 1996-04-01
2 2000-03-01
3 1994-06-30
4 1994-06-30
5 1994-06-30
6 1994-06-30
7 1994-06-30
8 1994-06-30
但如果我这样做:
mydata['mynewdate'] = np.where(
mydata['mydate'].isnull(), pd.datetime(1994,6,30,0,0),mydata['mydate'])
我得到:
0 1994-06-30 00:00:00
1 828316800000000000
2 951868800000000000
3 1994-06-30 00:00:00
4 1994-06-30 00:00:00
5 1994-06-30 00:00:00
6 1994-06-30 00:00:00
7 1994-06-30 00:00:00
8 1994-06-30 00:00:00
此操作将原始的非空日期转换为整数。我认为可能是数据类型混合在一起,所以我这样做了:
mydata['mynewdate'] = np.where(
mydata['mydate'].isnull(), pd.datetime(1994,6,30,0,0),pd.to_datetime(mydata['mydate']))
仍然得到:
0 1994-06-30 00:00:00
1 828316800000000000
2 951868800000000000
3 1994-06-30 00:00:00
4 1994-06-30 00:00:00
5 1994-06-30 00:00:00
6 1994-06-30 00:00:00
7 1994-06-30 00:00:00
8 1994-06-30 00:00:00
请注意(不要问):是的,我有一个更好的替换null的解决方案。这个问题不是关于替换空值(因为标题表明不是),而是关于numpy在哪里处理日期。我之所以问,是因为我将有更复杂的条件来选择将来要替换的日期,并认为numpy会在哪里完成工作。
有什么想法吗?
答案 0 :(得分:4)
这是由于Numpy的datetime64
,Pandas的Timestamp
和/或datetime.datetime
之间的交互作用不佳所致。我从一开始就将替换值设置为numpy.datetime64
,从而解决了该问题。
static_date = np.datetime64('1994-06-30')
# static_date = np.datetime64(pd.datetime(1994, 6, 30))
mydata.assign(
mynewdate=np.where(
mydata.mydate.isnull(),
static_date,
mydata.mydate
)
)
mydate mynewdate
0 NaT 1994-06-30
1 1996-04-01 1996-04-01
2 2000-03-01 2000-03-01
3 NaT 1994-06-30
4 NaT 1994-06-30
5 NaT 1994-06-30
6 NaT 1994-06-30
7 NaT 1994-06-30
8 NaT 1994-06-30
答案 1 :(得分:1)
如果您位于pandas
,请尝试使用mask/where
中的pandas
df.mask(df['Date'].isnull(), pd.to_datetime('1994-06-30'))
Out[824]:
Date
0 1994-06-30
1 1996-04-01
2 2000-03-01
3 1994-06-30
4 1994-06-30
5 1994-06-30
6 1994-06-30
7 1994-06-30
8 1994-06-30