添加个月到datetime列在熊猫
问题描述:
我有一个数据帧DF有如下2列 -添加个月到datetime列在熊猫
START_DATE MONTHS
0 2015-03-21 240
1 2015-03-21 240
2 2015-03-21 240
3 2015-03-21 240
4 2015-03-21 240
5 2015-01-01 120
6 2017-01-01 240
7 NaN NaN
8 NaN NaN
9 NaN NaN
2列的数据类型是对象。
>>> df.dtypes
START_DATE object
MONTHS object
dtype: object
现在,我希望通过添加DF [ 'START_DATE'] & DF ['个月],以创建新列 “结果”。所以,我也做了以下 -
from dateutil.relativedelta import relativedelta
df['START_DATE'] = pd.to_datetime(df['START_DATE'])
df['MONTHS'] = df['MONTHS'].astype(float)
df['offset'] = df['MONTHS'].apply(lambda x: relativedelta(months=x))
df['Result'] = df['START_DATE'] + df['offset']
在这里,我得到下面的错误 -
TypeError: incompatible type [object] for a datetime/timedelta operation
注:本想转换DF [“月”]为int,但不会作为工作场有空。
您能否请给我一些指示。谢谢。
答
这是一个矢量化的方式来做到这一点,所以应该是相当高效的。请注意,它不处理月份交叉/结尾(并且不能很好地处理DST更改,我相信这就是您获得时间的原因)。
In [32]: df['START_DATE'] + df['MONTHS'].values.astype("timedelta64[M]")
Out[32]:
0 2035-03-20 20:24:00
1 2035-03-20 20:24:00
2 2035-03-20 20:24:00
3 2035-03-20 20:24:00
4 2035-03-20 20:24:00
5 2024-12-31 10:12:00
6 2036-12-31 20:24:00
7 NaT
8 NaT
9 NaT
Name: START_DATE, dtype: datetime64[ns]
如果您需要确切的MonthEnd/Begin处理,这是一个合适的方法。 (使用MonthsOffset拿到当天)
In [33]: df.dropna().apply(lambda x: x['START_DATE'] + pd.offsets.MonthEnd(x['MONTHS']), axis=1)
Out[33]:
0 2035-02-28
1 2035-02-28
2 2035-02-28
3 2035-02-28
4 2035-02-28
5 2024-12-31
6 2036-12-31
dtype: datetime64[ns]
答
如果您的数据框较小,请使用以下内容。我已经使用axis=1
,这是行明智的操作。如果你的数据帧很大,它会很慢
> df['offset'] = df.dropna().apply(lambda v: relativedelta(months=int(v['MONTHS'])) + v['START_DATE'], axis=1)
> df
START_DATE MONTHS offset
0 2015-03-21 240 2035-03-21
1 2015-03-21 240 2035-03-21
2 2015-03-21 240 2035-03-21
3 2015-03-21 240 2035-03-21
4 2015-03-21 240 2035-03-21
5 2015-01-01 120 2025-01-01
6 2017-01-01 240 2037-01-01
7 NaT NaN NaT
8 NaT NaN NaT
9 NaT NaN NaT
+0
它的工作。谢谢。 – 0nir
答
这里有一种方法来做到这一点,没有dateutil.relativedelta
。请注意,我将MONTHS
转换为一个整数(并且仅在删除空值之后,因为int
不接受空值),因为我想每年进行12个月的整数除法,利用商是年数增量的事实,模/余数是几个月内的增量。
import pandas as pd
df = pd.DataFrame({'START_DATE':['2015-03-21','2015-03-21','2015-03-21','2015-03-21',
'2015-03-21','2015-01-01','2017-01-01', None,None,None],
'MONTHS':[240,240,240,240,240,120,240,None,None,None]},
dtype='object') # replicate example data
df.dropna(inplace=True) # drop nulls so can convert MONTHS to int
df['START_DATE'] = pd.to_datetime(df['START_DATE'])
df['MONTHS'] = df.MONTHS.astype(int)
df.apply(lambda x: pd.datetime(x.START_DATE.year + x.MONTHS/12,
x.START_DATE.month + x.MONTHS % 12,
x.START_DATE.day), axis=1)
答
这里是另一个矢量 numpy的解决方案:
In [111]: mask = (df.START_DATE.notnull() & df.MONTHS.notnull())
In [112]: df.loc[mask, 'Result'] = (
...: df.START_DATE.loc[mask].values.astype('M8[M]') + \
...: (df.MONTHS.loc[mask].values.astype(int) * np.timedelta64(1, 'M'))
...:).astype('M8[D]') - np.timedelta64(1, 'D')
...:
In [113]: df
Out[113]:
START_DATE MONTHS Result
0 2015-03-21 240.0 2035-02-28
1 2015-03-21 240.0 2035-02-28
2 2015-03-21 240.0 2035-02-28
3 2015-03-21 240.0 2035-02-28
4 2015-03-21 240.0 2035-02-28
5 2015-01-01 120.0 2024-12-31
6 2017-01-01 240.0 2036-12-31
7 NaT NaN NaT
8 NaT NaN NaT
9 NaT NaN NaT
你得到哪些错误?请发布错误报告。 –
@Borja - 嗨。在我的编辑上面添加了错误。谢谢。 – 0nir