参考

Question

我有以下数据表，我想按大于“ 2019-01-01”的日期进行过滤。问题在于日期是字符串。


dt_dates = dt.Frame({"days_date": ['2019-01-01','2019-01-02','2019-01-03']})

这是我的最佳尝试。

dt_dates[f.days_date > datetime.strptime(f.days_date, "2019-01-01")]

这将返回错误

TypeError：strptime（）参数1必须为str，而不是Expr

在python的数据表中过滤日期的最佳方法是什么？

参考

python datatable

f-expressions

Answer 1

您的日期时间语法不正确，无法将字符串转换为日期时间。

您正在寻找的是：

dt_dates[f.days_date > datetime.strptime(f.days_date, "%Y-%m-%d")]

strptime的第二个争论是日期格式。

但是，让我们退后一步，因为这不是正确的方法。

首先，我们应该将您框架中的所有日期转换为日期时间。老实说，我从未使用过数据表，但语法看起来与panda的Dataframe非常相似。

在数据框中，我们可以执行以下操作：

df_date = df_date['days_date'].apply(lambda x: datetime.strptime(x, '%Y-%m'%d))

此操作遍历列为“ dates_date”的每一行，并将每个字符串转换为日期时间。

从那里，我们可以使用过滤器来获取相关行：

df_date = df_date[df_date['days_date'] > datetime.strptime("2019-01-01", "%Y-%m-%d")]

Answer 2

datatable version 1.0.0 引入了对日期时间数据类型的原生支持。注意这两种初始化数据的方式的区别：

dt_dates = dt.Frame({"days_date": ['2019-01-01','2019-01-02','2019-01-03']})
dt_dates.stypes

> (stype.str32,)

和

dt_dates = dt.Frame({"days_date": ['2019-01-01','2019-01-02','2019-01-03']}, stype="date32")
dt_dates.stypes

> (stype.date32,)

后一帧包含表示日历日期的 datatable.Type.date32 类型的 days_date 列。然后可以按日期过滤，如下所示：

split_date = datetime.datetime.strptime("2019-01-01", "%Y-%m-%d")
dt_split_date = dt.time.ymd(split_date.year, split_date.month, split_date.day)
dt_dates[dt.f.days_date > dt_split_date, :]

如何使用python的数据表按日期过滤

参考

2 个答案: