根据日期范围和熊猫数据框创建新变量并应用条件值

Question

这是Python的新手，通常在这里进行编码，因此对于大多数人来说，这应该是非常基本的。

我基本上是用Datetime索引创建此数据框的。

这是数据框

df = pd.date_range(start='2018-01-01', end='2019-12-31', freq='D')

我现在想在我的df中添加一个名为“ vacation”的新变量，如果日期介于2018-06-24和2018-08-24之间，则值为1；如果不在这些日期之间，则值为0。 。我该怎么做呢？ 我创建了一个具有一定休假范围的变量，但是我不确定如何将这两个变量放在一起并在数据框中为“休假”创建新列。

vacation = pd.date_range(start = '2018-06-24', end='2018-08-24')

谢谢。

Answer 1

新DataFrame的解决方案：

i = pd.date_range(start='2018-01-01', end='2018-08-26', freq='D')

m = (i > '2018-06-24') & (i < '2018-08-24') 
df = pd.DataFrame({'vacation': m.astype(int)}, index=i)

或者：

df = pd.DataFrame({'vacation':np.where(m, 1, 0)}, index=i)

---

print (df)
            vacation
2018-01-01         0
2018-01-02         0
2018-01-03         0
2018-01-04         0
2018-01-05         0
             ...
2018-08-22         1
2018-08-23         1
2018-08-24         0
2018-08-25         0
2018-08-26         0

[238 rows x 1 columns]

将新列添加到现有DataFrame的解决方案：

通过比较DatetimeIndex与&的{​​{1}}链接来创建掩码，并将其转换为整数（bitwise AND到True和1到False）或使用numpy.where：

0

另一个具有i = pd.date_range(start='2018-01-01', end='2018-08-26', freq='D') df = pd.DataFrame({'a': 1}, index=i) m = (df.index > '2018-06-24') & (df.index < '2018-08-24') df['vacation'] = m.astype(int) #alternative #df['vacation'] = np.where(m, 1, 0) print (df) a vacation 2018-01-01 1 0 2018-01-02 1 0 2018-01-03 1 0 2018-01-04 1 0 2018-01-05 1 0 .. ... 2018-08-22 1 1 2018-08-23 1 1 2018-08-24 1 0 2018-08-25 1 0 2018-08-26 1 0 [238 rows x 2 columns] 和DataFrame.loc的解决方案-区别在于DatetimeIndex包含1和2018-06-24边值：

2018-08-24

Answer 2

首先，pd.date_range(start='2018-01-01', end='2019-12-31', freq='D')将不会创建DataFrame，而是会创建DatetimeIndex。然后，可以将其作为索引或单独的列将其转换为DataFrame。

# Having it as an index

datetime_index = pd.date_range(start='2018-01-01', end='2019-12-31', freq='D')
df = pd.DataFrame({}, index=datetime_index)
# Using numpy.where() to create the Vacation column
df['Vacation'] = np.where((df.index >= '2018-06-24') & (df.index <= '2018-08-24'), 1, 0)

或

# Having it as a column

datetime_index = pd.date_range(start='2018-01-01', end='2019-12-31', freq='D')
df = pd.DataFrame({'Date': datetime_index})
# Using numpy.where() to create the Vacation column
df['Vacation'] = np.where((df['Date'] >= '2018-06-24') & (df['Date'] <= '2018-08-24'), 1, 0)

注意：仅显示数据框df的前五行。