Question

我有一个包含两个时间列的Pandas df。这些列包含年度事件的yyyy-mm-dd。

如何计算所有年份事件发生的平均mm-dd？

我想这涉及计数（每行）实际日期和一年中1月1日之间的天数，但是我看不到如何有效地使用Pandas。

谢谢！

MapShapeSelectionBehavior

编辑： 完成重现错误的步骤：

    dormancy1   greenup1    maturity1   senescence1 dormancy2   greenup2    maturity2   senescence2
8   2002-08-31  2002-04-27  2002-05-06  2002-08-21  NaT NaT NaT NaT
22  2003-09-17  2003-06-06  2003-06-15  2003-07-22  NaT NaT NaT NaT
36  2004-09-10  2004-04-20  2004-05-15  2004-05-24  NaT NaT NaT NaT
44  2005-08-13  2005-04-24  2005-06-29  2005-07-18  NaT NaT NaT NaT
74  2007-05-10  2007-03-13  2007-04-07  2007-05-01  NaT NaT NaT NaT
95  2009-09-18  2009-04-26  2009-05-06  2009-06-03  NaT NaT NaT NaT
113 2010-09-09  2010-05-29  2010-06-08  2010-07-19  NaT NaT NaT NaT

Answer 1

这就是我要做的：

将数据转换为日期时间格式（如果尚未完成的话）：

df['dormancy1'] = pd.to_datetime(df['dormancy1'])
df['greenup1'] = pd.to_datetime(df['greenup1'])

获取该行年份的1月1日（我假设您的事件在同一年发生）：

df['1Jyear'] = df['dormancy1'].dt.year.apply(lambda x: dt.datetime(x, 1, 1))

这是您的数据框现在的外观：

df.head()
     dormancy1    greenup1      1Jyear
0   2002-08-31  2002-04-27  2002-01-01
1   2003-09-17  2003-06-06  2003-01-01
2   2004-09-10  2004-04-20  2004-01-01
3   2005-08-13  2005-04-24  2005-01-01
4   2007-05-10  2007-03-13  2007-01-01

要获取每个事件的平均月份和日期：

df[['dormancy1', 'greenup1']].apply(lambda x: pd.to_datetime((x - df['1Jyear']).values.astype(np.int64).mean()).strftime('%m-%d'))

这将输出以下系列：

dormancy1    08-10
greenup1     04-30

让我知道这是否是必需的结果，希望对您有帮助。

更新：处理丢失的数据

我正在处理以下数据：

     dormancy1  greenup1
0   2002-08-31  2002-04-27
1   2003-09-17  NaN
2   2004-09-10  2004-04-20
3   2005-08-13  2005-04-24
4   NaN 2007-03-13
5   2009-09-18  2009-04-26
6   2010-09-09  2010-05-29
7   2012-05-30  2012-05-04
8   NaN NaN

要计算每一行的年份（我得到在列中找到的第一年，因此我再次假设每个事件的年份都相同，但是如果不一致，则需要为每个事件计算不同的列事件）：

def computeYear(row):
    for i in row:
        if pd.isna(i):
            pass
        else:
            return dt.datetime(int(i.strftime('%Y')), 1, 1)
    return np.nan
df['1Jyear'] = df[['dormancy1', 'greenup1']].apply(lambda row: computeYear(row), axis=1)

要获取结果（与以前相同）：

df[['dormancy1', 'greenup1']].apply(lambda x: pd.to_datetime((x - df['1Jyear']).values.astype(np.int64).mean()).strftime('%m-%d'))

输出：

dormancy1    07-20
greenup1     04-17
dtype: object

Answer 2

好的，现在您要在这里使用的是旧的 pandas.Series.dt.dayofyear 函数。这将告诉您特定日期一年中发生了多少天。这可能使您脑海中扫了一下，现在就在建立答案，但以防万一：

avg_day_dormancy1 = df['dormancy1'].dt.dayofyear.mean()

# Now let's add those days to a year to get an actual date
import datetime as dtt  # You could do this in pandas, but this is quick and dirty
avg_date_dormancy1 = dtt.datetime.strptime('2000-01-01', '%Y-%m-%d')  # E.g. get date in year 2000
avg_date_dormancy += dtt.timedelta(days=avg_day_dormancy1)

鉴于您提供的数据，我将dormancy1的平均发生日期定为8月10日。例如，您也可以在.std()系列上调用dayofyear方法，并获得发生这些事件的95％置信区间。

Answer 3

这是另一种方式。希望这会有所帮助

import pandas as pd
from datetime import datetime

计算这两个事件的平均一天时间

mean_greenup_DoY = df['greenup1'].apply(lambda x: datetime.strptime(x, '%Y-%m-%d').timetuple().tm_yday).mean()
mean_dormancy_DoY = df['dormancy1'].apply(lambda x: datetime.strptime(x, '%Y-%m-%d').timetuple().tm_yday).mean()

此方法首先将日期字符串转换为datetime对象，然后使用lambda函数中的逻辑查找一年中的某天，这意味着平均值（）用于获取一年中的平均天。

熊猫：查找发生年度事件的平均月/日

3 个答案:

更新：处理丢失的数据